动机:平常的评价指标是不可微的,并不能对系统提升有什么影响,所以他想使得MOTA和MOTP可微,从而可以构建合适的损失函数。
主要部分:是类似于匈牙利算法的深度匈牙利网络(Deep Hungarian Net)模块。它的功能是评估objects track 和 ground truth object 之间的联系,从而计算出MOTA和MOTP的可微代理,又反过来用来优化跟踪器。
DHN的作用:获得~A,架构如下:
这两个Bi-RNNs(循环神经网络),具有相同的隐藏层,但是不共享权重。
第二阶段的隐藏表示编码最终的赋值。为了将这些编码转化为最终的赋值,文中是将第二阶段的隐藏表示进行三次全连接。最终再进行一次sigmoid激活函数生成soft- assignment 矩阵
D:欧几里得距离和Jaccard距离的平均值:
欧几里得距离:
Jaccard距离:1-(A&B/A||B)
计算FP,FN,IDS,:
未看懂的地方:B(TP),IDS,softmax是怎么算的,
计算dMOTA和dMOTP:
损失函数:
本文和baseline的架构对比:上面是baseline,下面是本文的