今天会议结束了,开会的人不多,不过都是内部人吧
主席讲了:dataset and challenge
主要讲了pets 这个数据集的组成,每个视频序列的内容还有每个视频需要达到的目的
其中track数据s2 中,本来以为只有level1中需要跟踪所有的人,原来L2和L3跟踪所有个人同样是最终的目标
以前以为只需要跟踪几个人,原来自己理解错了。
接下来
Recovering People Tracking Errors using Enhanced Covariance-Based Signatures
主要介绍了检测和跟踪的算法和结果,测试中表示这个方法的结果是最好的。结果发现主次搞错了
作者提交了自己标注的groundtruth,而主席以为是他们测试的结果,结果就是最好的。所以......大家懂得。
Single and Multiple View Detection, Tracking and Video Analysis in Crowded Environments
北大的人做的,效果特别的好,实验数据量也很大,分别作了单视角下的和多视角下的,结果很好,大家可以拜读下。
Counting People in the Crowd using a Generic Head Detector
印度人的文章,发音不好,反正我也没听明白,虽说之前也没听明白,但好歹大概意思知道了。
这个我是真一点都没听明白。
People Count Estimation in Small Crowds
Performance Evaluation of Multi-Camera Visual Tracking
这个是一个人写的,
好像是个英国人,之后这篇比较有分量,是关于多视角下的测评的,多视角作为一个研究的方向,这个评测的标注很重要
大家可以研究下。
Multiple Person Tracking by Spatiotemporal Tracklet Association
我们实验室的文章,完全的研究跟踪的,part-based检测,tracklet genereta andtracklet association。效果没有北大的好
差距太大了,努力明年超过他们。
最后主席对今年提交的数据比较结果作了报告。我们的结果没有北大的好,但似乎比法国那个好一些。
明年希望有一个很大的进步!