【多目标跟踪】开源 | 中科大&百度--在线MOTS算法框架PointTrack，效果超过MOTSFusion、MOTSA！

论文地址： https://arxiv.org/pdf/2007.01550.pdf

代码： https://github.com/detectRecog/PointTrack.

来源： 中国科技大学，百度

论文名称：Segment as Points for Efficient Online Multi-Object Tracking and Segmentation

原文作者：Zhenbo Xu

内容提要

目前的多目标跟踪分割(MOTS)方法遵循检测跟踪的模式，采用卷积方法进行特征提取。但是，由于受固有接收域的影响，基于卷积的特征提取不可避免地将实例前景信息与背景信息混合在一起，导致后续实例关联的模糊性。本文中提出了一种高效的基于分段的实例嵌入学习方法，将紧凑的图像表示转换为无序的2D点云表示。本文的方法生成了一个新的逐点跟踪范式，其中从随机选择的点而不是图像学习区分实例嵌入。此外，将多种信息性数据模式转换为逐点表示，以丰富逐点特征。基于上述内容，本文提出的MOTS框架命名为PointTrack，在接近实时的速度(22 FPS)上，大大超过了包括3D跟踪方法在内的所有SOTA的方法(比MOTSA高5.4%，比MOTSFusion快18倍)。对三个数据集的评估证明了我们的方法的有效性和效率。此外，基于对当前MOTS数据集缺少拥挤场景的观察，还提出了一个更有挑战性的MOTS数据集APOLLO MOTS，相比KITTI-MOTS，实例的密度提升约68%。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。