CVPR 2020 多目标跟踪算法 FairMOT --（论文、代码的搬运工）

本文链接：https://blog.csdn.net/qq_41603193/article/details/105772016

微软和华中大学的研究团队推出了FairMOT，一个无锚点的多目标跟踪模型，能在公共数据集上以30fps的速度超越现有方法。FairMOT通过估计对象中心和身份特征，解决了以往方法中由于锚点导致的问题，其代码和预训练模型已开源。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

作者：KYLE WIGGERS- VentureBeat；Yifu Zhang，Xinggang Wang, Wenyuliu - Huazhong University of Science and Technology（华中科大）；Chunyu Wang， Wenjun Zeng -Microsoft Research Asia （微软亚洲研究院），Apr 8， 2020
编译：Florence Wong，AICUG

本文系AICUG翻译原创，如需转载请注明出处
本文转自知乎：最新研究|微软AI对象检测器（FairMOT）介绍及论文摘要

代码：github
论文：A Simple Baseline for Multi-Object Tracking

最近微软和华中大学研究人员组成的团队本周开放了AI对象检测器-Fair Multi-Object Tracking（FairMOT）的源码，他们声称，该模型以在公共数据集上以每秒30帧的速度优于目前的最先进的模型。如果产品化了，它可以使从老年护理到安全领域的各个行业受益，并可能被用来跟踪像COVID-19这样的疾病的传播。
正如该团队所解释的那样，大多数现有方法都采用多种模型来跟踪对象：（1）定位感兴趣对象的检测模型，以及（2）提取用于重新识别短暂遮挡对象的特征的关联模型。相比之下，FairMOT采用无锚方法在高分辨率特征图上估计对象中心，这使重新识别特征可以更好地与中心对齐。一个并行分支估计用于预测对象身份的特征，而“骨干”模块将这些特征融合在一起以处理不同比例的对象。

研究人员在从六个公共语料库（ETH，CityP