Multi-Object Tracking with Multiple Cues and Switcher-Aware Classification多目标跟踪论文
论文:Multi-Object Tracking with Multiple Cues and Switcher-Aware Classification
论文下载地址:https://arxiv.org/abs/1901.06129
论文代码:未开源
论文主要框架:
本篇论文提出了一种新的多目标跟踪统一框架。引入和短期和长期线索结合在一起处理来多跟踪过程中的复杂场景。引入了SAC(switcher-aware classification)用来进行决策匹配。
上图是本算法主要的三部分。
1. 图(a)是短期线索部分,主要用来找到检测算法可能无法检测的物体,主要解决遗漏(FN)。
2.图(b)是长期线索部分,主要是结合前面K张图片建立一个外观模型,解决单目标跟踪算法(SOT)由于遮挡原因造成的包围框漂移问题。
3.图(c)是SAC框架,switcher(potential identity-switch causer)可以帮助匹配跟踪目标,在遮挡情况下有switcher的置信度要比没有switcher要高很多。
上图是算法的主要网络结构,算法的流程主要有:
1.初始化,跟踪目标数据集为空,时间t=1.
2.通过SOT网络输出跟踪目标的位置 。
3.将前面k张图片的外观(长期线索里面k张图片),和当前的外观和检测结果都传到ReID网络里面提取一个ReID特征。
4.将步骤2的结果,步骤3的结构和检测器检测的结果组合成目标的匹配特征。
5.找到switcher。找概率最大的identity switch causer。
6.SAC生成匹配分数,看一下检测结果时候和跟踪结果一致。
7.根据步骤6建立跟踪目标与检测结果的二部图。
8.对于匹配的目标,使用匹配检测信息更新位置和模板。对于不匹配的目标,使用SOT结果更新跟踪器位置,并删除被认为不可靠或丢失的目标。对于孤立的检测结果,如果其可信度分数满足新目标的条件,则将其添加到跟踪目标集中。
9.一致重复步骤2-8,知道视频序列结束。
短期线索网络结构:
短期线索网络结构使用的是Siamese-RPN跟踪器。
长期线索网络结构:
长期线索网络结构使用的是GoogleNet v4网络结构。
K张图片是如何选择出来的?
k张图片是通过Q网络找到分数最大的图片。Q网络结构是ResNet-18组成。
跟踪结果:
Multi-Object Tracking with Multiple Cues and Switcher-Aware Classification多目标跟踪论文相关推荐
- Multi-Object Tracking with Multiple Cues and Switcher-Aware Classification 论文笔记
Multi-Object Tracking with Multiple Cues and Switcher-Aware Classification 似乎是商汤投 CVPR2019的论文.文中提出了一 ...
- 多目标跟踪综述、论文、数据集大汇总 Awesome Multiple object Tracking
Awesome Multiple object Tracking(持续更新) 综述 论文 2022 2021 2020 2019 2018 2017 2016 数据集 综述 Multiple Obje ...
- 跟踪算法基准--Tracking the Trackers: An Analysis of the State of the Art in Multiple Object Tracking
Tracking the Trackers: An Analysis of the State of the Art in Multiple Object Tracking https://arxiv ...
- Multiple Object Tracking:多目标跟踪综述
Multiple Object Tracking:多目标跟踪综述 多目标跟踪综述 多目标跟踪综述 摘要 1. 介绍 2. 算法知识 3. 总结 4. 可学习的资源及代码 摘要 本篇博客是多目标跟踪最综 ...
- FairMOT: On the Fairness of Detection and Re-Identification in Multiple Object Tracking 效果展示
FairMOT: On the Fairness of Detection and Re-Identification in Multiple Object Tracking 效果展示 公开数据集指标 ...
- Quasi-Dense Similarity Learning for Multiple Object Tracking
QDTrack 论文标题:Quasi-Dense Similarity Learning for Multiple Object Tracking 论文地址:https://arxiv.org/pdf ...
- Quasi-Dense Similarity Learning for Multiple Object Tracking(用于多目标跟踪的拟密集相似度学习)
Quasi-Dense Similarity Learning for Multiple Object Tracking 论文:下载地址 代码:下载地址 QDTrack: 一. 介绍 二. 方法 1. ...
- 多目标跟踪(MOT,Multiple Object Tracking)评价指标
简述 在事先不知道目标数量的情况下,对视频中的行人.轿车.卡车.自行车等多个目标进行检测并赋予ID进行轨迹跟踪.不同的目标拥有不同的ID,以便实现后续的轨迹预测.精准查找等工作. 多目标跟踪中即要面对 ...
- Multiple Object Tracking with Mixture Density Networks for Trajectory Estimation 详细解读
文章目录 简介(abstract) 介绍(introduction) 相关工作(Related Work) 轨迹预测(Trajectory Estimation) Mixture Density Ne ...
最新文章
- 2.4.安装spaCy
- 顺序表链表 LeetCode专项练习 [19]\[24]
- ubuntu10.10升级到11.4出错之问题解决
- 增加小球python,python实现弹跳小球
- android nv21 nv12,android - 将NV21转换为NV12并旋转90度通过libyuv? - 堆栈内存溢出
- java 学习资料总结
- ESP8266 教程2 — 烧录AT固件
- 怎么裁剪PDF页面,PDF如何调整页面大小
- 汉洛塔 简单算法(c和python)
- 红孩儿编辑器的开发 1 字体库的生成过程
- 线性代数之特征值与特征向量的求法
- HFSS 微带线验证和仿真
- springboot 动态数据源问题
- PCL笔记八:关键点
- 网站ico图标不显示?网站ico图标引用的方法
- Java毕设项目保险公司风险测评管理系统(java+VUE+Mybatis+Maven+Mysql)
- 拼多多买菜进击一线城市:上海开团首日,1公里开出11家自提点
- OpenGL的客户端和服务器模式
- 如何让你的android模拟器连接上你电脑的网络
- linux怎么登陆另外一个账号,linux – 当其他用户登录时,如何在Debian xfc...
热门文章
- windows server 2008r2 oracle11g安装
- 【canvas 背景色】透明背景转换成白色
- 电流反馈运算放大器介绍及RF(反馈电阻)的作用
- 四、Ansible文件模块库与模板
- NX二次开发-NXOPEN C# Part.GetPreviewImage读取prt文件预览图
- 打开UG10 C语言错误,UG打开prt文件UTF8归档报错:部件已以UTF8模式归档,但NX运行
- Matlab:将Prt的txt文件转换成tif
- 返程高峰正在来临,百度上线新型肺炎患者同行者查询服务
- java jni查询cpu温度_Java如何使用JNI提取平台及硬件信息
- Python list列表方法使用总结及拓展延伸