ロバスト・トラッカー:CPM-YOLOとBOTSORTを統合して,クロスモデルの船舶追跡を行う

Feng Lv¹, Ying Zhang¹

¹College of Information Engineering, Shanghai Maritime University, Shanghai 201306, China.

Sensors (Basel, Switzerland)

|February 13, 2026

まとめ

この研究では,再識別を備えたYOLOv8とBOTSORTを使用した高度な海上船舶追跡システムを導入し,困難な海洋条件下での検出の正確性と堅実性を高めています. この方法は,リアルタイム処理速度を損なうことなく,高性能を達成します.

科学分野:

コンピュータビジョンコンピュータビジョン
海上監視局は,海上監視局として活動しています.
オブジェクトトラッキングオブジェクトトラッキング

背景:

海上環境は,密度の高いターゲット,スケールの変動,遮蔽など,船舶の検出と追跡に複雑な課題を提示しています.
既存の方法は,これらの厳しい条件下で,しばしば精度と強度で苦労します.

研究の目的:

海洋船舶の検出と追跡のための高精度で堅牢なマルチオブジェクト追跡方法を開発する.
小規模船舶の検出を改善し,複雑な海洋シナリオでの追跡の安定性と信頼性を高めます.

主な方法:

軽量な機能強化と注意力メカニズムを備えた強化されたYOLOv8ベースの検出器が,検出を改善するために使用されました.
BOTSORTとOSNetベースの再識別 (ReID) モデルを組み合わせたトラッキングフレームワークが,安定した船舶関連のために使用されました.
このアプローチは,近赤外線オンショア (NIR) と可視オンショア (VIS) データセットで評価されました.

主要な成果:

提案された方法は,ベースラインのYOLOv8.8と比較して,NIRデータセットの精度,リコール,mAP@0.5,およびmAP@0.5:0.95において有意な改善を示した.
VISデータセットの検出精度と強度が高く,最先端のアプローチの性能を上回りました.
このフレームワークは,軌道の連続性,オクラージュ処理,マルチオブジェクト追跡タスクにおけるアイデンティティ保存の利点を示した.

結論:

開発された方法は,検出精度,追跡強度,実際の海事アプリケーションのためのモデル効率の間の好ましいバランスを提供します.
競争力のある推論速度 (NIRでは188FPS,VISでは187FPS) を含め,リアルタイム機能を犠牲にすることなく,高性能を達成します.
このアプローチは,強力なクロスモダルの一般化能力を発揮し,さまざまな視覚条件において有効であることが証明されています.

キーワード:

さらに関連する動画