打遍天下无敌手，却说它只是个baseline！多目标跟踪FairMOT的烦恼

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