走进MOT系列 (四) --《MOTDT:Real-Time Multiple People Tracking with Deeply Learned Candidate Select》翻译

大佬参考1：https://blog.csdn.net/zjc910997316/article/details/84893057
大佬参考2：https://blog.csdn.net/ycc2011/article/details/84982778
论文来源：https://arxiv.org/pdf/1809.04427.pdf
源码地址：https://github.com/longcw/MOTDT
《Real-Time Multiple People Tracking with Deeply Learned Candidate Selection and Person Re-Identificatio》

看了最近几年的online的文献资料汇总，这篇是比较新的2018年的文献，而且代码是开源的可以复现理解，虽然现在刚刚入门，deepsort还不是很明白，不过处于一种冒险家精神，拿出来，翻译翻译，能理解多少理解多少，因为后续还会补充。这也是我入门计算机视觉翻译研究的第一篇我们国内的教授写的文章，心里无比期待。

《实时多人跟踪与深度学习的候选项选择和行人再识别》

摘要

在线多目标跟踪是实时性视频分析应用的基本问题。当前一种比较主流的Tracking by Detection框架是将不可靠的目标检测结果与现有的跟踪器进行数据关联。在这篇文献中，笔者提出：

• 通过收集检测和跟踪的输出候选项来处理不可靠的检测这样一种方法，产生多余的候选项的目的是为了在分类场景中，检测和跟踪得到的信息可以互补。
  高置信度的检测结果可以长期防止跟踪漂移，对轨迹的预测可以降低由于遮挡引起的噪声检测。
• 为了实时应用大量候选项的最优选择，提出一种新的基于全卷积神经网络的评分函数。<