【论文阅读】ByteTrack: Multi-Object Tracking by Associating Every Detection Box

ByteTrack通过去除Deep Sort中的ReID特征比对,仅使用位置信息实现性能提升。它采用两个检测置信度阈值处理不同空间的检测框,并利用匈牙利算法进行匹配。尽管没有级联ReID,但ByteTrack的IDs下降,显示出位置信息的强大作用。此外,与Deep Sort比较,ByteTrack在匹配策略和跟踪丢失处理上有差异。对于未解决的IDs问题,作者提出了疑问。
摘要由CSDN通过智能技术生成

1.看图(性能)

从下面的图来看,性能提升了很多,然而作者说自己将deep-sort中deep部分去掉了,也就是没有了级联ReID特征比对的部分。

再看下面这个表,我们发现使用了作者提出的Byte---Motion(K)在IDs上性能都有提高,IDs都有降,这个性能多目标跟踪任务中,非常关注的一个点。去掉了特征比对,IDs居然还会降,这一点着实惊到了我。Sort到Deep-sort,利用外观信息IDs降低了45%,是一个非常显著的成果。

 2.作者思想

(1)先匹配置性度高的检测框,如何匹配呢?主要通过预测框(前一帧跟踪框通过Kalman Filter预测的框)和当前高置性度的检测框之间的IoU;

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

wait a minutes

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值