【论文阅读】A Simple Baseline for Multi-Object Tracking

最新推荐文章于 2022-08-29 01:16:55 发布
VIP文章 最新推荐文章于 2022-08-29 01:16:55 发布
阅读量273 收藏
点赞数
分类专栏： 论文阅读 文章标签： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_40109345/article/details/119412936
版权

A Simple Baseline for Multi-Object Tracking

概述

基于tracking by detection的策略，沿用JDE的核心思想（即联合检测和嵌入向量的模型），将检测方法由anchor-base换成anchor-free，超越了现有的SOTA算法。

关键词： One-shot、实时
研究机构： 华科、微软亚研院

主要思想

论文分析对照之前的算法思路，得出以下三点结论。

Anchor-base vs Anchor-free

思路对比
TrackRCNN是在Mask RCNN顶部添加re-id分支，使用ROI-Align为所有正anchors提取ReID特征；
JDE是在YOLOv3顶部添加re-id分支，在所有正anchors的中心点提取ReID特征。

存在的问题：
1. Track R-CNN是级联式的，它首先计算目标候选框，然后将正样本中的ReID特征汇集起来，估计相应的ReID特征，导致ReID特征的质量严重依赖于候选框的

最低0.47元/天 解锁文章
StarkerRegen
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
A Simple but Tough-to-Beat Baseline for Sentence Embeddings.pdf
04-08
SIF：一种简单却难以打败的句子嵌入方法 文章导航https://blog.csdn.net/qq_42491242/article/details/105381771
A Simple Baseline for Multi-Object Tracking
FengF2017的博客
02-04 229
A Simple Baseline for Multi-Object Tracking 论文信息 Paper：[CVPR2020] A Simple Baseline for Multi-Object Tracking Link : https://arxiv.org/abs/2004.01888 Code : https://github.com/ifzhang/FairMOT/ 背景 多目标跟踪（MOT）是计算机视觉领域的一个重要问题。其目的是估计视频中多个感兴趣目标的轨迹。目前多目标追踪任务的解决方法
FairMOT论文详解
进击的菜鸟
12-08 1万+
FairMOT FairMOT FairMOT介绍 Two-step方法 One-shot方法 The Technical Approach backbone Detection Branch Heatmap Head Center Offset Head Box Size Head Identity Embedding Branch Loss Functions Heatmap Loss Offset and Size Loss Identity Embedding Los.
A Simple Baseline for Multi-Object Tracking（FairMOT）——原理及代码测试
藏晖的博客
05-10 4015
A Simple Baseline for Multi-Object Tracking（FairMOT） Paper：https://arxiv.org/abs/2004.01888 Github：https://github.com/ifzhang/FairMOT         这个模型最近在mot上很火，在MOT的多个数据集上取得了很好的成绩，这篇文章想总结自己在阅读和测试代码的时候一下看法。   &n
目标跟踪 - A Simple Baseline for Multi-Object Tracking
清欢
06-27 572
文章目录0. 前言1. 要解决什么问题2. 用了什么方法3. 效果如何4. 还存在什么问题 0. 前言 相关资料： arxiv github 论文解读 论文基本信息 领域：多目标跟踪 作者单位：华科&微软亚洲研究院 发表时间：2020.4 1. 要解决什么问题 近些年来，检测与Re-ID都有了长足的发展。而多目标跟踪可以看成是检测与Re-ID的结合。 当前主要的MOT实现方法有两种 two-step：检测与Re-ID用两个独立的网络实现，参数不共享。这类方法性能相对高，实时性
A Simple but Hard-to-Beat Baseline for Session-based.pdf
06-08
A Simple but Hard-to-Beat Baseline for Session-based.pdf
A New Meta-Baseline for Few-Shot Learning.docx
06-27
A New Meta-Baseline for Few-Shot Learning的中文翻译 (近些年来元学习成为对于小样本学习的流行框架，目的是从小样本分类任务的集合中学习模型。尽管一些越来越多的元学习模型正在出现，我们的研究揭示了一些被...
Underwater acoustic positioning with a single beacon and a varied baseline for a multi-jointed AUV in the deep ocean
02-11
The multi-jointed ... such as ultra-short-baseline (USBL) and long-baseline (LBL), cannot be employed to obtain the coordinates of a multi-jointed AUV, because they only work with constant baseline
hashing-baseline-for-image-retrieval-master
12-27
hashing-baseline-for-image-retrieval-master哈希算法对比，用于论文中画图使用
《A Simple Baseline for BEV Perception Without LiDAR》论文笔记
m_buddy的博客
08-29 1297
介绍：在这篇文章中提出了一种特别简单但效果不错的bev特征提取方法，也就是通过在构建的bev grid中向图像特征进行反向投影，并在投影点处对图像特征进行双线性插值采样得到图像模态下的bev特征。同时对于lidar和radar这些其它模态的传感器信息输入（若有），直接在编码之后与之前bev特征进行concat操作融合，以此来构建多模态bev特征。......
A Simple Baseline for BEV Perception Without LiDAR 论文笔记
weixin_45657478的博客
08-22 538
A Simple Baseline for BEV Perception Without LiDAR 论文笔记
论文阅读-FairMOT:《A Simple Baseline for Multi-Object Tracking》
热门推荐
DJames23的博客
04-13 1万+
摘要 近年来，作为多目标跟踪的核心组件的目标检测和重新识别取得了显着进展。 但是，很少有人关注在单个网络中完成两项任务以提高推理速度。 沿此路径进行的初始尝试最终导致结果降低，这主要是因为未正确学习重新标识分支。 在这项工作中，我们研究了故障背后的根本原因，并因此提出了解决问题的简单基准。 它以30 fps的速度远远超过了公共数据集的最新水平。 我们希望这个基准可以启发并帮助评估该领域的新想法。 ...
A Simple Baseline for Multi-Object Tracking多目标跟踪算法
donkey_1993的博客
05-27 3174
论文下载地址：https://arxiv.org/abs/2004.01888 代码下载地址：https://github.com/ifzhang/FairMOT 论文摘要：近几年目标检测算法和重识别算法发展迅速。这两个是多目标跟踪算法的重要组成部分。但是现在很少有人关注，将这两个算法合并在一个网络上，因为在初期的时候就有人尝试过这种方法但是重识别网络学习的特征并不好，从而造成跟踪精度大幅下降。论文作者基于以上问题，提出了一个简单基准来提升单网络多目标跟踪算法的精度，并且取得了state-of-the-
FariMot(A Simple Baseline for Multi-Object Tracking)多目标跟踪器解读
ckqsars的博客
05-13 1142
本文只是记录笔者关于这篇论文的解读，并不是文章翻译，所以想看关于introduction或者related的可以去直接看文章或者其他的笔记。 论文地址 代码地址 简述 FairMot是一个把检测和跟踪结合在一起的模型，模型的输出同时有检测信息以及re-id的信息，根据re-id的feature的信息把前后帧检测出的目标进行关联起来。 网络结构 网络结构如图所示，输出的同时用detection和re-id部分，其中网络的backbone采用的DLA-34，在检测方面采用的是anchor-free的检测思路，
Paper reading：A simple baseline for one-shot multi-object tracking（三）：支持多分类多目标跟踪
Felaim的博客
11-10 1291
A simple baseline for one-shot multi-object tracking（三） 4.多分类背景 在实际项目中可能需要不仅仅做行人的跟踪，实际上还有可能需要跟踪机动车，非机动车，所以就需要我们对代码进行修改，使得其支持多分类多目标跟踪。 4.1 数据集制作 格式还是按照 [class] [identity] [x_center] [y_center] [width] [height] 之前class这一类都是0，现在需要根据不同的情况进行修改，比如说LZ需要跟踪行人和非机动车
多目标跟踪方法 A Baseline for 3D Multi-Object Tracking
如有侵权，请联系作者删除
10-11 2215
多目标跟踪方法 A Baseline for 3D Multi-Object Tracking （感谢前辈）转自：https://zhuanlan.zhihu.com/p/80993033 本文对论文 A Baseline for 3D Multi-Object Tracking 的思路和代码做一个解读，这是伊利诺伊大学的一篇比较简单的多目标跟踪的方法论文。 后续代码对原文的代码做了很大的改动，...
[Intensive Reading]MOT：FairMOT
zhangxu
06-26 2152
简介 《FairMOT：A Simple Baseline for Multi-Object Tracking》是一个online的多目标跟踪（MOT）算法，基于TBD（Traking-by-Detection）的策略，FairMOT主要就是基于JDE做的改进，可以简单的理解为，FairMOT是将JDE的YOLOv3的主干，改成了CenterNet，也就是将检测的方法由Anchor-base换成了Anchor-free，然后同样在已有检测模型上加了了embeeding分支，模型输出检测的结果和embeedi
A Simple Baseline for multi-object Tracking(FairMOT)论文阅读笔记
风行
01-26 434
FairMOT论文笔记（一）Title（二）Summary（三）Research Obejct（四）Problem Statement（五）Method5.1 backbone5.2 Object Detection Branch5.3 Identity Embedding Branch5.4 Loss Functions5.5 在线跟踪（六）Experiment6.1 数据集6.2 实现细节实验1实验2 Multi-Layer Aggregation的影响实验3 对Re-ID特征维度的选择实验4 和Sta
meta-baseline: exploring simple meta-learning for few-shot learning
最新发布
04-11
《b'meta-baseline: exploring simple meta-learning for few-shot learning'》这篇论文提出了一种简单的元学习方法用于少样本学习，称之为meta-baseline。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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