一文看尽7篇目标跟踪最新论文（ABCTracker/MAST/L1DPF-M等）

前言

恰逢 2020年，本文再次更新近期值得关注的最新目标跟踪论文。这次分享的paper将同步推送到 github上，欢迎大家 star/fork（点击阅读原文，也可直接访问）：

https://github.com/amusi/daily-paper-computer-vision

注意事项：

• 既含ABCTracker网络，还有SiamFC++等开源网络
• 论文发布时间段：2019年12月31日-2020年02月19日
• 文末附7篇目标跟踪论文合集下载链接

目标跟踪论文&项目

【1】旷视Detection组开源：视频理解算法库（含单目标跟踪SOT、视频目标分割VOS等）

【Video Analyst】这是一系列对视频理解有用的基本算法的实现（基于PyTorch），包括单目标跟踪（SOT，Single Object Tracking），视频目标分割（VOS，Video Object Segmentation）等。

【当前实现列表】单目标跟踪： - SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines - 论文链接：https://arxiv.org/abs/1911.06188 - SiamFC++是浙江大学和旷视提出的目标跟踪论文（收录于AAAI 2020），速度高达90FPS，表现SOTA！

注：因为该项目刚出来没多久，所以支持的算法还不是很多，后面应该会陆续更新，大家可以关注一波

项目链接：https://github.com/MegviiDetection/video_analyst

SiamFC++

【2】L1DPF-M：整合正则化l1跟踪和实例分割以进行视频目标跟踪

《Integration of Regularized l1 Tracking and Instance Segmentation for Video Object Tracking》

时间：20200102

作者团队：伊斯坦布尔科技大学

链接：https://arxiv.org/abs/1912.12883

代码（未放源码）：

https://github.com/msprITU/L1DPFM

注：L1DPF-M目标跟踪新网络，其性能优于SiamRPN、TCNN等网络，即将开源！

【3】姿态辅助多摄像机协作以进行主动目标跟踪

《Pose-Assisted Multi-Camera Collaboration for Active Object Tracking》

时间：20200118

作者团队：北京大学&北京电影学院&上交&深睿医疗

主页：https://sites.google.com/view/pose-assistedcollaboration

链接：https://arxiv.org/abs/2001.05161

注：性能表现SOTA，优于DaSiam、BACF和RLD等网络

Overview

【4】ABCTracker：易于使用的基于云的应用程序，用于跟踪多个对象

《ABCTracker: an easy-to-use, cloud-based application for tracking multiple objects》

时间：20200129

作者团队：北卡罗来纳大学夏洛特分校&亚利桑那大学

主页：https://abctracker.org/

链接：https://arxiv.org/abs/2001.10072

注：ABC Tracker是一种免费，简单且有效的多目标跟踪工具，现开放下载和使用（支持蚂蚁、蜜蜂等对象的目标跟踪）

【5】Flow-Fuse-Tracker：通过光流和融合进行多目标跟踪

《Multiple Object Tracking by Flowing and Fusing》

时间：20200131

作者团队：CMU&西安交通大学&复旦大学等

链接：https://arxiv.org/abs/2001.11180

注：在MOT17等数据集上表现SOTA！优于Tracktor、LSSTO和FAMNet等网络

【6】OA-LSTM-ADA：目标自适应LSTM网络，用于对抗性数据增强的实时目标跟踪

《Object-Adaptive LSTM Network for Real-time Visual Tracking with Adversarial Data Augmentation》

时间：20200210

作者团队：厦门大学&清华大学等

链接：https://arxiv.org/abs/2002.02598

注：一种新的实时视觉跟踪方法，采用目标自适应LSTM网络来有效地捕获视频序列依存关系并自适应地学习目标外观变化，表现SOTA！

【7】MAST：具有记忆增强功能的自监督目标跟踪器

《MAST: A Memory-Augmented Self-Supervised Tracker》

时间：20200219

作者团队：牛津大学VGG组

链接：https://arxiv.org/abs/2002.07793

代码（即将开源）：https://github.com/zlai0/MAST

注：自监督目标跟踪新网络，表现SOTA！性能优于UVC、CorrFlow和CycleTime等网络，且接近监督类跟踪网络，代码即将开源！