你有没有遇到过这样的烦恼,绞尽脑汁憋出了个别人没做多的idea,感觉弥补了现今理论的重大漏洞,必定实现精度和速度的比翼齐飞!可是费了九牛二虎之力跑完了实验,结果却一点改进也没有。
唉!
[抱抱] 这是科研之日常~
不过前几天新出的一篇多目标跟踪的论文,在主流的多目标跟踪数据集上结果异常好,几乎打败之前所有State-of-the-art算法,但作者却称该算法只是个baseline,而且是simple baseline!
该文即 A Simple Baseline for Multi-Object Tracking :
作者来自华中科技大学和微软亚洲研究院。
目前多目标跟踪算法基本都是以目标检测和目标重识别(ReID)为核心组件,目标检测是为了发现当前画面所有的目标,ReID则是将当前所有目标与之前帧的目标建立关联,后一步可以通过ReID特征向量的距离比较和目标区域交并比(IOU)来建立关联。
看起来思路还是很直接的,目标检测和ReID结合的方式就成为了多目标跟踪方法技术分类的依据。
作者指出目前方法多可归纳为两类。
1. 两步法 Two-Step MOT Methods
先进行目标检测,然后对于检测到的目标resize到固定大小,然后提取ReID特征,这种方法很显然的好处是,目标尺度被很好的归一化了,但明显的问题是目标检测和ReID特征提取之间没有特征复用,计算成本很高。
2. 一步到位法 One-Shot MOT Methods