[阅读心得] 多目标跟踪经典论文——相关领域论文粗读整理
前言
本文目的在于搜集并整理自动驾驶领域MOT相关工作即相近领域的工作,用于拓展思路,充分理解自动驾驶领域多目标跟踪问题。
日志:
1.16:监控视角车辆跟踪工作粗读3篇
车辆ReID
A Strong Baseline for Vehicle Re-Identification
【论文】A Strong Baseline for Vehicle Re-Identification
【代码】https://github.com/cybercore-co-ltd/track2_aicity_2021
创新点: 提出了一种监控视角下的车辆REID网络,从数据、网络结构、损失函数三个层面对ReID网络进行设计。
为什么: 监控视角下,ReID网络在面对视角变换、部分遮挡、图像模糊和光线变化等情况时表现不够理想。数据方面,生成数据和真实数据之间的样本空间存在gap,现有方法不能很好地将二者的域融合,会导致训练的网络特征空间飘逸;结构方面,大部分REID仅仅使用pooling层进行多尺度信息融合,在推理阶段表现不好;损失函数方面,ReID网络大多使用triplet loss,但是这种损失对正负样本的利用率很低;
怎么做: 数据方面,提出一种正则化方法MixStyle,以消除生成数据和真实数据的gap;结构方面,利用多头attention机制学习更精细的特征;损失函数方面,将Triplet Loss换成了Supervised Contrastive Lo