【多目标跟踪论文阅读笔记——相关领域论文粗读汇总】

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