BoostTrack++: using tracklet information to detect more objects in multiple object tracking

要約

複数オブジェクト追跡 (MOT) は、真陽性で検出された境界ボックスの選択に大きく依存します。
ただし、この問題の側面は、2 段階の関連付けを採用し、第 2 段階で信頼性の低い検出を利用することによって、ほとんど見落とされるか、軽減されます。
最近提案された BoostTrack は、複数段階の関連付けアプローチの欠点を回避し、検出信頼性向上を適用することで信頼性の低い検出を使用しようとしています。
この論文では、BoostTrack で使用される信頼性ブーストの限界を特定し、そのパフォーマンスを向上させる方法を提案します。
より豊富な類似性尺度を構築し、真陽性検出のより適切な選択を可能にするために、形状、マハラノビス距離、および新しいソフト BIoU 類似性を組み合わせて使用​​することを提案します。
我々は、類似性測定値と以前の信頼スコアに基づいて新しい信頼スコアを計算するソフト検出信頼性ブースト手法を提案し、定期的に更新されない検出とトラックレット間のより低い類似性測定値を考慮して、変動する類似性しきい値を導入します。
提案された追加は相互に独立しており、任意の MOT アルゴリズムで使用できます。
BoostTrack+ ベースラインと組み合わせることで、私たちの方法は、MOT17 データセットでほぼ最先端の結果を達成し、MOT20 データセットで新しい最先端の HOTA および IDF1 スコアを達成します。
ソース コードは https://github.com/vukasin-stanojevic/BoostTrack で入手できます。

要約(オリジナル)

Multiple object tracking (MOT) depends heavily on selection of true positive detected bounding boxes. However, this aspect of the problem is mostly overlooked or mitigated by employing two-stage association and utilizing low confidence detections in the second stage. Recently proposed BoostTrack attempts to avoid the drawbacks of multiple stage association approach and use low-confidence detections by applying detection confidence boosting. In this paper, we identify the limitations of the confidence boost used in BoostTrack and propose a method to improve its performance. To construct a richer similarity measure and enable a better selection of true positive detections, we propose to use a combination of shape, Mahalanobis distance and novel soft BIoU similarity. We propose a soft detection confidence boost technique which calculates new confidence scores based on the similarity measure and the previous confidence scores, and we introduce varying similarity threshold to account for lower similarity measure between detections and tracklets which are not regularly updated. The proposed additions are mutually independent and can be used in any MOT algorithm. Combined with the BoostTrack+ baseline, our method achieves near state of the art results on the MOT17 dataset and new state of the art HOTA and IDF1 scores on the MOT20 dataset. The source code is available at: https://github.com/vukasin-stanojevic/BoostTrack .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google