SiamMOT: Siamese Multi-Object Tracking（论文阅读笔记）

出处：CVPR2021.5.25
单位：亚马逊

一、介绍

多目标跟踪是检测目标实例，然后将它们临时关联起来形成轨迹的问题。文章的工作主要是改善在线多目标跟踪（MOT）。具体来说，作者引入一个基于 region 的 Siamese Multi-Object Tracking 网络：SiamMOT，包括一个运动模型，该模型估计实例在两帧之间的运动。通过所提出的 Siamese 跟踪器的两个变体来探索运动建模是如何影响其跟踪能力的，其中一个是隐式运动模型，一个是显式运动模型。

作者在 MOT17、TAO-person 和 Caltech Roadside Pedestrians 这三个不同的 MOT 数据集上进行了广泛的定量实验。证明了运动建模对 MOT 的重要性以及 SiamMOT 可以大幅超越最先进水平的能力。SiamMOT 在 HiEve 数据集上的表现也超过了 ACM MM’20 HiEve 挑战的获胜者。此外，SiamMOT 在单个 GPU 上以 17 FPS 的速度运行 720P 视频。

这篇论文中，作者探索了以SORT为基础的一系列online多目标跟踪方法中运动建模的重要性。在SORT中，一个更好的运动模型是提高跟踪精度的关键，原始的SORT中采用基于简单几何特征的卡尔曼滤波进行运动建模，而最近的一些SOTA方法通过学习一个深度网络来基于视觉和几何特征进行位移预测，极大地提高了SORT的精度。

二、相关工作

2.1 单目标跟踪的孪生跟踪器（Siamese trackers）

基于Siamese的跟踪器在单目标跟踪（SOT）中达到了SOTA的水平，论文中提到的孪生跟踪器和通常所说的孪生网络是不一样的，孪生网络的目的是