FairMOT: 本项目发布了我们在视频实时多目标追踪方面的最新成果。此前的研究采用两个独立模型分别处理目标检测与追踪...

简介：
FairMOT是一项最新的视频实时多目标跟踪技术，旨在结合目标检测和跟踪，提供更高效、准确的解决方案，超越传统单一模型方法。 FairMOT 是一项官方实现的工作，由张以夫、王春雨、王星刚、曾文俊及刘文宇在arXiv技术报告中提出。近年来，目标检测与关联作为多目标跟踪的核心组成部分取得了显著进展。然而，在单一网络内同时完成这两项任务以提高推理速度的研究较少受到关注。早期尝试虽然沿着这条路径进行，但最终导致了性能的下降，主要原因是未正确学习到关联分支的内容。在这项工作中，研究者们探讨了这一问题的根本原因，并提出了一种简单的基准来解决问题。在每秒30帧的速度下，该方法的表现明显优于MOT挑战数据集上的最新技术。希望这项基准能够启发并帮助评估领域内的新想法。 追踪效果： - MOT挑战测试仪的结果 - 数据集：MOT15, MOTA: 59.0%, IDF1: 62.2% - 入侵检测系统公吨ML: 第一人称射击2D MOT15 中的入侵次数为582，占比45.6%，误报率为11.5%。 - 数据集：MOT16, MOTA: 68.7%, IDF1: 70.4% - 入侵检测系统公吨ML: 第一人称射击2D MOT16 中的入侵次数为953，占比39.5%，误报率为19%。