liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Countering bias in tracking evaluations
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.ORCID-id: 0000-0002-6096-3648
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.
2018 (Engelska)Ingår i: Proceedings of the 13th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications / [ed] Francisco Imai, Alain Tremeau and Jose Braz, Science and Technology Publications, Lda , 2018, Vol. 5, s. 581-587Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Recent years have witnessed a significant leap in visual object tracking performance mainly due to powerfulfeatures, sophisticated learning methods and the introduction of benchmark datasets. Despite this significantimprovement, the evaluation of state-of-the-art object trackers still relies on the classical intersection overunion (IoU) score. In this work, we argue that the object tracking evaluations based on classical IoU score aresub-optimal. As our first contribution, we theoretically prove that the IoU score is biased in the case of largetarget objects and favors over-estimated target prediction sizes. As our second contribution, we propose a newscore that is unbiased with respect to target prediction size. We systematically evaluate our proposed approachon benchmark tracking data with variations in relative target size. Our empirical results clearly suggest thatthe proposed score is unbiased in general.

Ort, förlag, år, upplaga, sidor
Science and Technology Publications, Lda , 2018. Vol. 5, s. 581-587
Nationell ämneskategori
Signalbehandling
Identifikatorer
URN: urn:nbn:se:liu:diva-151306DOI: 10.5220/0006714805810587ISBN: 9789897582905 (tryckt)OAI: oai:DiVA.org:liu-151306DiVA, id: diva2:1248643
Konferens
13th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, January 27-29, Funchal, Madeira
Tillgänglig från: 2018-09-17 Skapad: 2018-09-17 Senast uppdaterad: 2019-06-26Bibliografiskt granskad

Open Access i DiVA

Countering bias in tracking evaluations(2131 kB)21 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 2131 kBChecksumma SHA-512
8a9b9ef5caf2f2c2f99189adb0878b3980549d55c443ada7724812703dcace80bb973bc9fded67a33f96b8cc5572bcabec4a4fd9378c79448591c4595b7fbbf1
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Personposter BETA

Häger, GustavFelsberg, MichaelKhan, Fahad Shahbaz

Sök vidare i DiVA

Av författaren/redaktören
Häger, GustavFelsberg, MichaelKhan, Fahad Shahbaz
Av organisationen
DatorseendeTekniska fakulteten
Signalbehandling

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 21 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 72 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf