SMILEtrack: SiMIlarity LEarning for Multiple Object Tracking

要約

複数オブジェクト追跡 (MOT) は、多くのアプリケーションでコンピューター ビジョンで広く調査されています。
Tracking-By-Detection (TBD) は、一般的な複数オブジェクト追跡パラダイムです。
TBD は、オブジェクト検出の最初のステップと、それに続くデータの関連付け、トラックレットの生成、および更新で構成されます。
シャム ネットワークから動機付けられた類似性学習モジュール (SLM) を提案して、重要なオブジェクトの外観の特徴を抽出し、オブジェクトの動きと外観の特徴を効果的に組み合わせる手順を提案します。
この設計により、データ関連付けのためのオブジェクトの動きと外観の特徴のモデリングが強化されます。
SMILEtrack トラッカーのデータ関連付けのために、Similarity Matching Cascade (SMC) を設計します。
SMILEtrack は、MOTChallenge および MOT17 テスト セットで、それぞれ 81.06 MOTA および 80.5 IDF1 を達成します。

要約(オリジナル)

Multiple Object Tracking (MOT) is widely investigated in computer vision with many applications. Tracking-By-Detection (TBD) is a popular multiple-object tracking paradigm. TBD consists of the first step of object detection and the subsequent of data association, tracklet generation, and update. We propose a Similarity Learning Module (SLM) motivated from the Siamese network to extract important object appearance features and a procedure to combine object motion and appearance features effectively. This design strengthens the modeling of object motion and appearance features for data association. We design a Similarity Matching Cascade (SMC) for the data association of our SMILEtrack tracker. SMILEtrack achieves 81.06 MOTA and 80.5 IDF1 on the MOTChallenge and the MOT17 test set, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google