Deepsort_V2 2020中兴捧月阿尔法赛道多目标检测和跟踪初赛第一名

最新推荐文章于 2024-05-06 10:20:34 发布

AI算法网奇

最新推荐文章于 2024-05-06 10:20:34 发布

阅读量1.9k

点赞数

分类专栏：深度学习宝典视觉跟踪文章标签： css

本文链接：https://blog.csdn.net/jacke121/article/details/120642555

版权

深度学习宝典同时被 2 个专栏收录

998 篇文章 721 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

视觉跟踪

51 篇文章 8 订阅

订阅专栏

本文介绍了2020年中兴捧月阿尔法赛道多目标检测和跟踪初赛夺冠方案。关键在于使用Cascade-RCNN（HRNet为backbone）作为检测算法，以及改进版的Deepsort结合蒸馏的ReID模型进行跟踪。项目执行通过配置虚拟内存，并提供了执行脚本。在数据集分析中，考虑了人群密度、光照变化、视角多样性和行人速度等因素。

摘要由CSDN通过智能技术生成

2020中兴捧月阿尔法赛道多目标检测和跟踪初赛第一名方案

初赛：多目标跟踪；指标MOTA和MOTP, 后期的大量实验证明检测算法相对于跟踪更重要。

数据集分析：

1.人群密集稀疏场景；

2.场景（白天，黑夜）

3.光照变化丰富。

4.多方向视角，方向变化大；

5.行人速度有快又慢。

Config

Detection：

Cascade-RCNN(HRNet) 基于mmdetection框架。
采用多尺度训练（1216,608）和（1024,2048）, 多尺度测试：（1216,608），（1632,816）（2048，1024）
常见数据增强crop 翻转，pad等
丢帧后处理线性平滑
修正框小于1==1
多epoch平均的AWS

B榜新增2个挑战：更密集的人群和遮挡

初赛不看速度要求，选择SOTA检测算法，Cascade-RCNN ，其中选择HRNet作为backbone。

Reid 模型尝试了Deepsort自带的类似于R