(图片由AI科技大本营付费下载自视觉中国)
作者 | CV君
来源 | 我爱计算机视觉(ID:aicvml)
相对业界研究比较多的单目标跟踪,多目标跟踪(Multi-Object Tracking,MOT)系统在实际项目中应用场景更多。
长期以来谈到此领域,大家都会推荐DeepSort算法(Simple Online and Realtime Tracking with a Deep Association Metric,2017),不过今天要刷新一下知识库了。
今天一篇多目标跟踪的论文Towards Real-Time Multi-Object Tracking,引起了不少人的关注,速度更快、精度更高、代码也已经开源了,非常值得参考。作者称,该算法是第一个实时的多目标跟踪算法。
该文作者信息:
来自清华大学和澳大利亚国立大学。
多目标跟踪往往采用tracking-by-detection 流程,分为用于目标定位的检测模型和目标关联的表观嵌入模型,长久以来,这两大模块是分开的。
作者的想法就是在这两大模块共享特征。
请看下图:
(a)为经典的检测与嵌入模块分离的模型;
(b)为两阶段模型,嵌入部分复用检测的特征;
(c)为本文提出的检测和嵌入联合的模型。
该文使用的主要方法是,将表观嵌入模型集成到一个单阶段目标检测模型中,如下图:
使其在进行目标检测预测的时候,预测head同时进行表观嵌入,另外,因为预测head是一个多任务的模型,对各个任务Loss函数进行自适应加权。
上图中(a)为网络架构,(b)为预测head的详细展示,包含分类、回归、嵌入的三个任务,和各Loss加权示意图。
作者在MOT-16多目标跟踪数据集上评估了算法精度和速度,结果如下:
该文提出的算法,MOTA接近state-of-the-art,比DeepSort精度高,速度快3-4倍。
以上算法评估作者是在Nvidia Titan xp GPU上运行的。
论文地址:
https://arxiv.org/pdf/1909.12605v1.pdf
开源代码:
https://github.com/Zhongdao/Towards-Realtime-MOT
(*本文为 AI科技大本营转载文章,转
载请联系原作者)
◆
精彩推荐
◆
2019 中国大数据技术大会(BDTC)历经十一载,再度火热来袭!
豪华主席阵容及百位技术专家齐聚,15 场精选专题技术和行业论坛,超强干货+技术剖析+行业实践立体解读,深入解析热门技术在行业中的实践落地。
【早鸟票】
与
【特惠学生票】
限时抢购,扫码了解详情!
推荐阅读
100多次竞赛后,他研发了一个几乎可以解决所有机器学习问题的框架
王霸之路:从0.1到2.0,一文看尽TensorFlow“奋斗史”
NLP被英语统治?打破成见,英语不应是「自然语言」同义词
TensorFlow2.0正式版发布,极简安装TF2.0(CPU&GPU)教程
肖仰华:知识图谱构建的三要素、三原则和九大策略 | AI ProCon 2019
AI落地遭“卡脖子”困境:为什么说联邦学习是解决良方?
10分钟搭建你的第一个图像识别模型 | 附完整代码
限时早鸟票 | 2019 中国大数据技术大会(BDTC)超豪华盛宴抢先看!
你点的每个“在看”,我都认真当成了喜欢