MOT算法分类

MOT综述

多目标跟踪(MOT)问题在于跟踪不同目标在一个序列中(通常是一个视频)的轨迹。近年来,随着深度学习的兴起,解决这一问题的算法得益于深层模型的表现力。MOT算法主要分为四个阶段:目标检测、特征提取/运动预测、相似性阶段、数据关联阶段【参考Deep learning in video multi-object tracking: A survey】,这四个阶段并不一定按顺序执行,也可以将其中几个阶段融合成一个统一的框架。本文对利用深度学习模型解决单摄像机视频MOT任务的研究分别对每个任务阶段比较突出和利用不同算法框架的论文进行分析比较,确定性能最好的方法之间的一些相似性,并提出了一些可能的未来研究方向。

分类
一、联合检测和跟踪的MOT算法(one-shot)

详细解读

  • 1、D&T: Detect to Track and Track to Detect (ICCV 2017PDF code

  • 2、MOTDT: Real-Time Multiple People Tracking with Deeply Learned Candidate Selection an

  • 1
    点赞
  • 19
    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