多目标跟踪评价指标学习
在GT中一个ID一个轨迹。轨迹有多行数据,表示其每帧中的位置信息。
一、MT
成功跟踪的帧数占总帧数的80%以上的GT轨迹数量
是一个数值,GT轨迹数量数值。越高越好
该轨迹追踪的好,80%的帧数都被追踪到了
二、ML
成功跟踪的帧数占总帧数的20%以下的GT轨迹数量
是一个数值,GT轨迹数量数值。越低越好
该轨迹追踪的不好,只有20%的追踪率
三、ID switches
一条轨迹对应一个ID。但该轨迹跟踪过程中有可能某一帧目标被赋给别的ID,这就是ID发生切换。这个指标说明了ID切换的次数,根据GT得到的。跟丢的情况不算在ID切换中。
如果在ground truth第j个轨迹的第t帧之前,跟踪器(tracker)把该轨迹的ID都预测正确了,但是第t+1帧预测错误了,那么ID switch的个数+1,值得注意的是,即使第t+1帧之后跟踪器仍然把该轨迹的ID预测错误了,但是错误的ID为同一个,那么ID switch个数不会增加。
跟丢:跟踪过程中的一种失败状态。即同一目标并没有被检测到
ID切换:跟踪过程中的误匹配问题。即同一目标检测到了,但被分配了别的ID
四、MOTA
GT:GT中框的数量
检测的错误,不考虑追踪ID
FP:总的误报数量,即整个视频中的FP数量,即对每帧的FP数量求和。
误报FP:本来没有,但被错误识别或定位的。
FN:总的漏报数量。本来有,但没有被识别和定位出来。
追踪的错误
IDSW:总的ID Switch数量,和三的一样
MOTA:最大为1,代表没有任何的检测错误和追踪错误。最小可以为负无穷。对FP、FN、IDSW做了惩罚,又用GT做了正则。
MOTA越大,效果越好。
五、IDF1
IDP:ID+Precision
IDR:ID+Recall
IDP指的是把每个ID都当作单独的一类去计算Precision。
IDF1:ID + F1 score。对IDP和IDR的一个调和平均
六、HOTA
A表示Association
TP(真正例):本来有,正确识别出来了
FN(假反例):本来有,没识别出来
TPA(c):在TP中(考虑检测),预测的ID和GT的ID(考虑ID)都为c的情况
FNA(c):在TP中,GT的ID为c,但是预测的ID不为c的情况;以及FN(漏检)中,GT为c的情况
FPA(c):在TP中,预测ID为c,但是 GT的ID不为c的情况;以及FP(误检)中,预测的ID为c的情况
α是阈值,可以是IoU,也可以是距离。这个α没有明白。
HOTA是对HOTAα的对α积分。
HOTAα是对TP中每个c求A(c)。
总之,HOTA将精确检测,关联和定位的性能平衡为一个统一指标