MOT多目标跟踪之JDE

本文详细介绍了JDE模型,一种结合检测和嵌入学习的实时多目标跟踪方法。文章阐述了JDE模型相对于传统两步走模型的优势,如实时性能和简洁的数据关联策略。模型使用FPN结构输出多尺度特征图,并通过优化anchor设计和损失函数实现高效跟踪。此外,文章还探讨了外观嵌入学习和自动损失平衡的技术细节。
摘要由CSDN通过智能技术生成

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档


前言

论文题目:Towards Real-Time Multi-Object Tracking(ECCV2020)
代码地址:https://github.com/Zhongdao/Towards-Realtime-MOT


一、提出原因及主要贡献

track by detection是由检测定位与数据关联模型组成,本质上是实时关联方法,并不是MOT实时系统。
论文:1.将外观嵌入模型插入在检测模型中,使模型同时输出。
2.提出一种简单快速的数据关联方法。
JDE模型与其他两步走模型的区别
区别论文不考虑采用Two-stage检测方法,因为并不能达到实时。
论文直接把检测结果和嵌入结果显示出来,达到实时。

二、论文架构

1.整体架构

在这里插入图片描述
使用FPN结构输出多尺度的特征图。
预测head包含了几层卷积,输出(4+2)A+DxHxW的特征图,A指的是anchor,D是嵌入维度

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 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
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