[论文笔记] ByteTrack 阅读笔记

@TOC

ByteTrack: Multi-Object Tracking by Associating Every Detection Box(ECCV 2022)

论文链接:论文链接
代码链接:代码链接

人脸和车牌脱敏调研,检测器可能有时候不工作,所以需要跟踪器来辅助检测器工作

摘要

  • 大多数方法通过将分数高于阈值的bbox关联起来获得id。检测分数低的物体,例如被遮挡的物体,会被简单地丢弃,这就带来了不可忽略的真实物体缺失和碎片化的轨迹。
  • 本文关联几乎所有的bbox而不是只关联高分的bbox进行追踪。对于低分的bbox,利用它们与tracklets的相似性来恢复真正的目标,并过滤掉背景检测

引言

  • 不能丢弃低分bbox的原因
    在这里插入图片描述

BYTE

在这里插入图片描述

实验结果

  • 不同similarity
    在这里插入图片描述
  • 不同 data association 方法
    在这里插入图片描述
  • BYTE 对比 SORT
    在这里插入图片描述
  • TP 和 FP
    在这里插入图片描述
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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