[论文笔记] ByteTrack 阅读笔记

@TOC

ByteTrack: Multi-Object Tracking by Associating Every Detection Box(ECCV 2022)

论文链接:论文链接
代码链接:代码链接

人脸和车牌脱敏调研,检测器可能有时候不工作,所以需要跟踪器来辅助检测器工作

摘要

  • 大多数方法通过将分数高于阈值的bbox关联起来获得id。检测分数低的物体,例如被遮挡的物体,会被简单地丢弃,这就带来了不可忽略的真实物体缺失和碎片化的轨迹。
  • 本文关联几乎所有的bbox而不是只关联高分的bbox进行追踪。对于低分的bbox,利用它们与tracklets的相似性来恢复真正的目标,并过滤掉背景检测

引言

  • 不能丢弃低分bbox的原因
    [论文笔记] ByteTrack 阅读笔记_第1张图片

BYTE

[论文笔记] ByteTrack 阅读笔记_第2张图片

实验结果

  • 不同similarity
    [论文笔记] ByteTrack 阅读笔记_第3张图片
  • 不同 data association 方法
    [论文笔记] ByteTrack 阅读笔记_第4张图片
  • BYTE 对比 SORT
    [论文笔记] ByteTrack 阅读笔记_第5张图片
  • TP 和 FP
    [论文笔记] ByteTrack 阅读笔记_第6张图片

你可能感兴趣的:(论文笔记,计算机视觉,人工智能)