2022多目标跟踪论文阅读总结

最新推荐文章于 2024-02-07 18:02:26 发布
最新推荐文章于 2024-02-07 18:02:26 发布
阅读量1.3k 收藏 10
点赞数 3
分类专栏： 深度学习 文章标签： 目标跟踪 论文阅读 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/DCGJ666/article/details/125255994
版权

2022多目标跟踪论文阅读总结

TCTrack:Temporal Contexts for Aerial Tracking（单目标跟踪）

主要内容

利用时间帧信息进行跟踪。时间上下文包含在两个层面上：1.特征的提取；2.相似性映射的细化。
在特征提取方面，提出了一种在线时间自适应卷积的方法，利用时间信息，通过根据前一帧动态校准卷积权值来增强空间特征。（思考：时间维度上的deformable 卷积）
相似图的细化，提出一种自适应时间转化器，它首先有效地编码时间只是，然后解码时间以精确调整相似图。

Motivation

  1. 无人机拍摄不可避免地会带来运动模糊、摄像机运动，遮挡等特殊挑战
  2. 空中平台的有限功率限制了计算资源，阻碍了耗时的先进方法的部署。

Method

在这里插入图片描述

TAdaCNN

在这里插入图片描述
卷积的特征变为时间帧特征的cat。再经过两个1x1卷积分别得到权值和偏置。
其中pooling为全局平均池化。同时，如果前面没有足够的帧进行时间动态卷积，则用前一帧进行填充。
采用3D卷积实现的时间维度卷积

AT-Trans

根据时间上下文细化相似度映射Ft。
在这里插入图片描述
貌似就是常规的transformer的结构。以当前帧Ft作为V,K，之前帧作为查询帧。

Global Tracking Transformers

作者是centernet和centertrack

主要内容

以一个短时间的帧序列作为输入，为所有对象生成全局轨迹。利用transformer对所有帧中的对象特征进行编码，并使用轨迹查询将它们分组为轨迹。GTT可以不需要中间的成对分组或组合训练，并且可以与一个目标检测器联合训练。

Motivation

在这里插入图片描述
成对的关联是有效的，但是缺乏一下明确的整体轨迹模型，有时会与严重的遮挡或强烈的外观变化导致失败。全局跟踪器对成对关联运行离线的基于图的组合优化。它们可以解决不一致的分组检测，而且更健壮，但可能速度较慢，通常与检测器分离。

Learnable Graph Matching: Incorporating Graph Partitioning with Deep Feature Learning for Multiple Object Tracking

图匹配解决多目标跟踪问题：轨迹图与检测图之间的一般图匹配。

主要内容

在这里插入图片描述

这个问题的传统方法对闭塞并不可靠，然后根据最小代价流问题的最优解导出最佳关联。现有工作集中于寻找帧之间的最佳匹配，但忽略了框架内的上下文。
这篇文章注重同一帧目标与目标形成的图结构。

方法

首先对检测图和轨迹图进行匹配，图的匹配问题是使匹配的顶点与由这些顶点连接的对应边之间的相似性最大化。
优化的目标：最大化所有匹配顶点之间的顶点亲和度，并最小化所有匹配边之间的边权值的差异。
在这里插入图片描述

  • 提取检测帧的全连接图，特征为reid
  • 提取跟踪帧的全连接图，特征为reid的平均
  • 对两个图进行图匹配

GIAOTracker: A comprehensive framework for MCMOT with global information and optimizing strategies in VisDrone 2021

为了缓解检测噪声，提出了一种新的特征存储和更新策略EMA bank,以同时保持不同的特征转态和特征变化的信息。在目标运动建模方面，线性卡尔曼滤波算法是广泛使用，它简单地设置一个统一的测量噪声尺度到所有目标，而不考虑检测质量。为了获得更精确的运动状态，提出了一种噪声尺度自适应卡尔曼滤波算法，该算法根据目标检测的质量自适应调制噪声尺度。
在这里插入图片描述
ps:这文章里trick好多，不愧是比赛论文。

OC-SORT

改进卡尔曼滤波，将其改为以测量值为主，而不是观测值为主。

Tracking Objects as Pixel-wise Distributions

不同于之前的跟踪器，以边界框或者点作为跟踪对象，这篇文章建议跟踪对象作为像素级分布。

  • 采用dense feature propagation在帧间传播信息。（Flow-guided feature aggregation for video object detection）
  • 采用meta-architecture生成对象建议区域
  • 采用masked attention跟踪局部跟踪结果，避免背景噪声。（Maskedattention mask transformer for universal image segmentation）

主要工作

在这里插入图片描述

Masked-attention Mask Transformer for Universal Image Segmentation

对应上述工作中的解码阶段
在这里插入图片描述

Flow-Guided Feature Aggregation for Video Object Detection

在这里插入图片描述

Towards Grand Unification of Object Tracking

统一目标跟踪的四个任务：
SOT：单目标跟踪
VOS：视频目标实例跟踪
MOT：多目标跟踪
MOTS：多目标实例跟踪
在这里插入图片描述
相邻帧交互用的deformable detr.

DCGJ666
关注
  • 3
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
2022CVPR目标跟踪最新论文
qq_39821101的博客
05-03 5076
多目标跟踪领域最新论文概况 多目标跟踪多目标跟踪领域最新论文概况一、2022年多目标跟踪论文CVPR2022:1、Global Tracking Transformers2、Observation-Centric SORT: Rethinking SORT for Robust Multi-Object Tracking3、Unified Transformer Tracker for Object Tracking4、TR-MOT: Multi-Object Tracking by Reference5、
多目标跟踪（MOT）领域近期值得读的几篇论文
Paper weekly
04-21 3272
©PaperWeekly 原创 ·作者｜黄飘单位｜华中科技大学硕士生研究方向｜多目标跟踪Siamese Track-RCNN论文题目：Multiple Object Tracking ...
CVPR2021 多目标跟踪（MOT）汇总
藏晖的博客
05-17 1万+
CVPR2021 多目标跟踪（MOT）方向文章检索到了9篇，如有遗漏，麻烦告知，谢谢。 指标对比和论文下载地址已经更新到我们所做的指标对比库，欢迎大家查阅。 https://github.com/JudasDie/Comparison 一、《Discriminative Appearance Modeling with Multi-track Pooling for Real-time Multi-object Tracking》 作者: Chanho Kim 1, Li Fuxin 2, Mazen A
Masked-attention Mask Transformer for Universal Image Segmentation（CVPR2022）
最新发布
sanguine__的博客
02-07 926
图像分割对具有不同语义的像素进行分组，例如，类别或实例隶属关系。每种语义选择都定义了一个任务。虽然每个任务只是语义不同，但目前的研究重点是为每个任务设计专门的体系结构。我们提出了maskedatattention Mask Transformer (Mask2Former)，这是一种能够处理任何图像分割任务(全景、实例或语义)的新架构。它的关键组成部分包括屏蔽注意，它通过在预测的屏蔽区域内约束交叉注意来提取局部特征。除了将研究工作量减少至少三倍之外，它在四个流行数据集上的性能明显优于最佳的专业架构。
79页多目标跟踪入门教程
09-10
一、多目标跟踪 MOT16 数据集介绍及评价指标 1.多目标跟踪 2.MOT16 数据集 3.MOT 中的评价指标 二、MOT 数据标注工具 DarkLabel 三、DarkLabel配套代码 1. DarkLabel转 Detection 2.DarkLabel转 RelD 数据集 . 3.DarkLabel转MOT16格式 四、DeepSORT 论文解析 1.简介 .. 2.方法... 2.1 状态估计.. 2.2 匹配问题 2.3 级联匹配 2.4 表观特征 五、DeepSORT 核心代码解析 1.MOT 主要步骤 2.SORT 3. Deep SORT 4. Deep SORT 代码解析.. 4.1类图 ... 4.2 核心模块 5.流程解析 ...··· 6.总结... 多目标跟踪处理的对象是视频，从视频的第一帧到最后一帧，里边有多个目标在不断运动。多目标跟踪的目的就是将每个目标和其他目标进行区分开来，具体方法是给每个目标分配一个 ID，并记录他们的轨迹。 刚开始接触，可能觉得直接将目标检测的算法应用在视频的每一帧就可以完成这个任务了。实际上，目标检测的效果是很不稳定的，
目标跟踪-参考论文.zip
04-23
这是目标跟踪的参考论文（共14篇），自己从小白开始的学习之路，整理了一下，建议先看综述类，接着按时间开始从前往后看。
CVPR 2022 | TCTrack: 用于空中跟踪的时序信息框架
我爱计算机视觉
05-24 1538
关注公众号，发现CV技术之美本文分享由同济大学、新加坡南洋理工大学、新加坡国立大学以及达摩院在CVPR 2022上合作提出的基于时序信息的孪生网络框架 TCTrack: Temporal Contexts for Aerial Tracking。目的是通过两个维度引入时序信息以更好地实现速度和性能的平衡以应对空中场景带来的挑战。TCTrack通过特征维度及相似度图维度连续...
GIAOTracker in VisDrone 2021
weixin_42714574的博客
02-26 4146
GiaoTracker 论文标题：GIAOTracker: A comprehensive framework for MCMOT with global information and optimizing strategies in VisDrone 2021 论文地址：https://arxiv.org/pdf/2202.11983.pdf 论文源码：未开源 Introduction ​ 近年来，多目标跟踪任务的算法得益于深度模型和视频质量的巨大进展。然而，在无人机视频等具有挑战性的场景中，它们
公众号内容拓展学习笔记（2021.4.8）
xiaoxuebajie的博客
04-08 361
公众号内容拓展学习笔记（2021.4.8） ???? 今日要点 CVPR 2021 | 图森未来与中科院自动化所提出GMTracker：一种基于图匹配的多目标跟踪方法 ⭐️⭐️ 主要内容：本文提出了一种基于图匹配的多目标跟踪方法 (GMTracker) ，来提升多目标跟踪的性能 论文：Learnable Graph Matching: Incorporating Graph Partitioning with Deep Feature Learning for Multiple O
Towards Grand Unification of Object Tracking 单目标 多目标 跟踪&分割
weixin_42136827的博客
07-21 1481
Unicorn首次实现了网络架构和四种跟踪任务学习范式的大统一
【多目标跟踪论文阅读笔记——2021年CVPR论文粗读记录】
热门推荐
selami的博客
12-16 1万+
[阅读心得] 多目标跟踪经典论文——2021CVPR论文粗读记录前言Alpha-Refine 前言 按照魏师兄的指导，逐步阅读2021年CVPR跟踪相关论文，粗读第一遍并整理其创新点、实现方法和诠释整理在此，争取3天内读完至少10篇。(2021.12.15) Alpha-Refine [论文]Alpha-Refine: Boosting Tracking Performance by Precise Bounding Box Estimation [代码]https://github.com/MasterB
目标跟踪相关资料论文总结
06-22
跨摄像头跟踪相关资料论文，针对视频拼接，图像拼接等。主要是多摄像头的目标跟踪，涉及到相机标定，以及映射等，有要学习相关的同行可以看看，都是一类的资料，希望对你们有帮助。
论文研究-加权的超像素级时空上下文目标跟踪.pdf
07-22
总结当前比较热门的几种跟踪算法的优缺点，针对时空上下文算法的不足提出了改进方法，即加权的超像素级时空上下文目标跟踪算法（weighted super pixel level spatio-temporal context，WSSTC）。该算法利用像素的...
论文研究-基于三维视觉系统的多运动目标跟踪方法综述.pdf
09-08
总结了近年来基于三维视觉系统的多运动目标跟踪方法，根据采用的不同三维视觉系统分为三类，将每类中具有代表性的方法进行了论述，分析了各典型方法的优缺点，最后提出了进一步研究的主要发展内容和趋势。
人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip
06-04
基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码。 毕业设计题目：基于步态识别的多目标跨镜头跟踪算法研究 主算法：基于yoloV5-deepsort框架进行目标检测和跟踪+GaitSet算法 Introduction This ...
人体姿态数据集可视化heatmap，以coco数据集为例
DCGJ666的博客
06-26 5108
该代码对于一张图进行heatmap图片的可视化，会存储coco的17组关节点图片，即每一个heatmap包含图片中所有人体的同一关节点位置。 ##生成heatmap import os import numpy as np import json import cv2 from itertools import groupby import random from matplotlib import pyplot as plt dataset_dir = "D:/send_paper/COCO val201
显著性检测评估指标及计算方法
DCGJ666的博客
07-18 4540
显著性检测评估指标及计算方法MAE定义计算方式Fmeasure定义计算方式Smeasure定义计算方式PR_Curve定义计算方式 MAE 定义 Mean Absolute Error(平均绝对误差)， 观测值与真实值的误差绝对值的平均值。 计算方式 MAE=1H×W∑x=1H∑y=1W∣P(x,y)−G(x,y)∣MAE=\frac{1}{H \times W} \sum_{x=1}^{H} \sum_{y=1}^{W}|P(x, y)-G(x, y)|MAE=H×W1​∑x=1H​∑y=1W​∣P(x,
视觉传感器总结
DCGJ666的博客
05-31 3869
视觉传感器总结激光雷达优势结构组成分类激光雷达的性能评估3D深度传感ToF工作原理测量δT\delta{T}δT方法连续波方法脉冲方法立体视觉优点缺点结构光优点缺点惯性导航系统简介惯性测量单元 激光雷达 与雷达工作原理类似，激光雷达通过测量激光信号的时间差和相位差来确定位置，但其最大优势在于能够利用多普勒成像技术，创建出目标清晰的3D图像。激光雷达通过发射和接收激光束，分析激光遇到目标对象后的折返时间，计算出到目标对象的相对距离，并利用此过程中收集到的目标对象表面大量密集的点的三维坐标、反射率和纹理等信息，
机器学习——朴素贝叶斯
DCGJ666的博客
04-22 3414
机器学习——朴素贝叶斯朴素贝叶斯贝叶斯公式朴素贝叶斯的“朴素”怎么理解什么是拉普拉斯平滑法朴素贝叶斯的应用朴素贝叶斯对异常值敏不敏感先验概率与后验概率 优点： 算法逻辑简单，易于实现 分类过程中时空开销小，分类准确率高，速度快 朴素贝叶斯模型发源于古典数学理论，有稳定的分类效率 对缺失数据不太敏感，算法也比较简单，常用于文本分类 对小规模的数据表现很好，能处理多分类任务，适合增量式训练 缺点： 理论上，朴素贝叶斯模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为朴素贝叶斯模型假设
2022年最新多目标跟踪论文
03-08
我可以回答这个问题。2022年最新的多目标跟踪论文有很多，其中包括《DeepMOT: A Differentiable Framework for Multi-Object Tracking》、《TrackFormer: Multi-Object Tracking with Transformers》等。这些论文都采用了不同的方法来解决多目标跟踪问题，具有一定的研究价值。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值