Detection-aware multi-object tracking evaluation

要約

それぞれが異なるオブジェクト検出器を使用している 2 つのマルチオブジェクト トラッキング アルゴリズム (つまりトラッカー) をどのように公正に評価しますか?
検出器は改善を続けているため、トラッカーは時間の経過とともにオブジェクトの状態を推定する労力を減らすことができます。
新しい検出器を使用する新しいトラッカーと、古い検出器を使用する別のトラッカーを比較することは公平でしょうか?
このホワイト ペーパーでは、さまざまな検出器を使用するトラッカーを評価するために、トラッキング エフォート メジャー (TEM) という名前の新しいパフォーマンス メジャーを提案します。
TEM は、トラッカーがフレーム レベル (フレーム内の複雑さ) およびシーケンス レベル (フレーム間の複雑さ) で入力データ (つまり、検出) に関して行う改善を推定します。
よく知られたデータセット、4 つのトラッカー、8 つの検出セットで TEM を評価します。
結果は、従来の追跡評価手段とは異なり、TEM は入力検出の相関を減らしてトラッカーによって行われた努力を定量化できることを示しています。
その実装は、https://github.com/vpulab/MOT-evaluation でオンラインで公開されています。

要約(オリジナル)

How would you fairly evaluate two multi-object tracking algorithms (i.e. trackers), each one employing a different object detector? Detectors keep improving, thus trackers can make less effort to estimate object states over time. Is it then fair to compare a new tracker employing a new detector with another tracker using an old detector? In this paper, we propose a novel performance measure, named Tracking Effort Measure (TEM), to evaluate trackers that use different detectors. TEM estimates the improvement that the tracker does with respect to its input data (i.e. detections) at frame level (intra-frame complexity) and sequence level (inter-frame complexity). We evaluate TEM over well-known datasets, four trackers and eight detection sets. Results show that, unlike conventional tracking evaluation measures, TEM can quantify the effort done by the tracker with a reduced correlation on the input detections. Its implementation is publicly available online at https://github.com/vpulab/MOT-evaluation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google