机器学习笔记 - 基于深度学习的多种目标跟踪检测框架简述

已于 2023-06-14 14:27:32 修改
阅读量1.5k 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习从入门到精通 文章标签： 深度学习 目标跟踪 OTB 对象跟踪 ByteTrack
于 2023-06-14 07:22:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/131199681
本文概述了基于深度学习的目标跟踪，重点关注OTB基准和相关评估指标，如HOTA、MOT和IDF1。讨论了SORT、DeepSORT、FairMOT、TransMOT和ByteTrack等先进跟踪器，分析了它们的特点和应用场景。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、 目标跟踪

        对象跟踪是执行一组初始对象检测的任务，为每个初始检测创建唯一的 ID，然后在每个对象在视频中的帧中移动时跟踪它们，从而维护 ID 分配。最先进的方法涉及融合来自RGB和基于事件的相机的数据，以产生更可靠的对象跟踪。仅使用RGB图像作为输入的基于CNN的模型也很有效。最受欢迎的基准测试是OTB。有几个特定于对象跟踪的评估指标，包括 HOTA、MOTA、IDF1 和 Track-mAP。

1、什么是OTB？

        对象跟踪基准 （OTB） 是一种视觉跟踪基准，广泛用于评估视觉跟踪算法的性能。该数据集总共包含 100 个序列，每个序列都带有边界框和 11 个挑战属性逐帧注释。OTB-2013 数据集包含 51 个序列，OTB-2015 数据集包含 OTB 数据集的所有 100 个序列。

        下面网址是OTB官网，提供数据集。

视觉跟踪器基准测试 (hanyang.ac.kr)

了解本专栏 订阅专栏 解锁全文
机器学习笔记 - 结合深度学习的基于内容的图像实例检索 利用现成的DCNN模型进行检索
学以致用 知行合一
06-27 632
一种方案是，为分类任务而进行大规模训练的DCNN直接充当图像检索任务的现成特征检测器，也就是说，可以提出在DCNN的基础上进行图像检索，DCNN被训练用于分类，并且其预先训练的参数被冻结。这种方法有局限性，最根本的是任务之间存在模型转移或领域转移的挑战，这意味着为分类训练的模型不一定能提取出非常适合图像检索的特征。特别是，只要特征保持在分类边界内，分类决策就可以成功，然而，来自这样的模型的特征可能显示出不足的检索能力，其中特征匹配本身比分类更重要。
机器学习笔记 - 机器学习/深度学习实战案例合集
学以致用 知行合一
06-05 2293
案例1、使用opencv的DNN模块调用caffe的GoogLeNet图像分类模型 案例2、使用Opencv的DNN模块调用Tensorflow的mobilenet对象检测模型 案例3、基于tensorflow2.0的手写数字识别，并导出pb模型供OpenCV的C++版本的DNN模块调用 案例4、基于OpenCV图像处理和手写数字识别进行数独求解 案例5、自定义数据集 + 标准前馈神经网络分类进行训练 案例6、自定义数据集 + 卷积神经网络分类进行训练 案例7、使用Opencv的DNN模块调用Caffe的人
目标跟踪的过程小结
热门推荐
LRYUS_HJL的博客
12-26 2万+
初次接触目标跟踪，看到大部分跟踪文章都会有自己的目标跟踪的结构框架，为此遇到了很多问题。本文就是主要介绍了目标跟踪的框架结构以及自己的理解，希望能帮助到有需要的人。
多目标跟踪框架boxmot介绍
白起
10-04 5275
但有个问题，track程序将ultralytics安装到虚拟环境，而不在工作目录yolo_tracking下，这样调试程序时，不能跟踪到ultralytic相关的程序模块，当然对python调试器做一些相应的配置，也可以跟踪到虚拟环境的模块，但是操作很麻烦。对于yolo-nas，由Deci AI公司开发，目前尚未公开，boxmot无法筛选目标类别，所以，postprocess对preds基本没有处理，直接送到跟踪器tracker。即，每帧产生一个results，对每帧results写入MOT跟踪文件。
DeepSORT 算法详解：多目标跟踪的经典框架
最新发布
weixin_73784131的博客
05-25 1229
DeepSORT 通过 “运动预测 + 外观特征 + 分层匹配” 的设计，在多目标跟踪中实现了鲁棒性与效率的平衡，其核心思想（如级联匹配、特征融合）为后续算法（如 StrongSORT、ByteTrack）奠定了基础。在实际应用中，理解其各模块的作用机制，可帮助开发者根据场景特性（如目标速度、遮挡频率、摄像头视角）调整参数或进行针对性优化，从而提升 MOTA 等关键指标。
多目标追踪
yychentracy的博客
07-01 4270
多目标追踪按照轨迹生成的顺序可以分为离线的多目标追踪和在线的多目标追踪 离线的多目标追踪通常构造为图模型，设计和计算检测之间的相似度或者距离是决定图模型构造正确性的关键。在线的多目标是根据当前的检测观测，计算与已有轨迹的匹配关系。无论是离线还是在线，学习检测的特征并计算匹配相似度或者距离度量都是多目标跟踪算法的关键。基于深度学习的多目标追踪算法主要任务是优化检测之间相似性和距离度量的设计，根据学习...
多目标跟踪 | FairMOT：统一检测、重识别的多目标跟踪框架，全新Baseline
qq_51143009的博客
06-04 574
论文地址：https://arxiv.org/pdf/2004.01888v2.pdf 代码地址：https://github.com/ifzhang/FairMOT 这篇工作来自华中科技大学和微软亚洲研究院，从结果来看，这篇工作在主流的多目标跟踪数据集上几乎打败之前所有State-of-the-art算法，但标题却称该算法只是个baseline，而且是simple baseline，再次验证大佬们都是谦虚的。 一、背景 多目标跟踪 (MOT) 是计算机视觉领域中的重要任务，近年来，目标检测和 Re-ID.
机器学习笔记 - 深度学习在网球运动分析上的应用
学以致用 知行合一
07-13 1630
观看网球比赛时，您可以根据中间或角落的发球次数、球的深度、向左或向右的偏好来自动丰富视图，具体取决于球员所处的位置。此类统计数据可以通过 Hawk-Eye、IBM Slamtracker 等工具提供。 Hawk-Eye 是一个复杂的系统，由多达 10 个高速摄像头组成，能够高精度跟踪球、获取其真实位置并显示任何弹跳的重建。 IBM Slamtracker，一个提供实时分数和统计数据（每个点 15 到 25 个参数）的应用程序，以增强球迷的体验。该系统极其精确，但也非常复杂，由 8
机器学习笔记 - 基于深度学习和位置敏感哈希技术的近似重复的图像搜索
学以致用 知行合一
07-04 613
在这里，我们使用局部敏感哈希 （LSH） 和顶部的随机投影构建类似的图像搜索实用程序，由预训练图像分类器计算的图像表示。因为我们的降维技术涉及随机性，所以每次进程运行时，类似的图像都可能不会映射到同一个哈希桶。为了减少这种影响，我们将考虑多个表的结果——表的数量和缩减维度是这里的关键超参数。方法里面，我们首先降低嵌入向量的维数。要在给定查询图像的情况下检索相似的图像，我们需要首先把所有的图像都生成向量表示。它基于这样一个原理，即如果给定平面上的一组点之间的距离大致保持不变，则该平面的维数可以进一步降低。
探秘AspectTrack：一款强大的视觉目标跟踪框架
gitblog_00015的博客
04-22 483
探秘AspectTrack：一款强大的视觉目标跟踪框架 去发现同类优质开源项目:https://gitcode.com/ 在人工智能领域，视觉目标跟踪是图像理解和智能监控的重要组成部分。 是一个由开源社区开发的高效、灵活的深度学习目标跟踪框架，旨在为研究人员和开发者提供一个易于上手且功能强大的工具，以实现复杂的视频分析任务。 项目简介 AspectTrack 是基于 Python 的，它利用现代卷...
基于OpenCV的运动目标跟踪及其实现
10-02
基于OpenCV 的运动目标跟踪及其实现 开源式openMV 可运动识别
多目标跟踪（Multiple Object Tracking，MOT）Real-time Multiple People Tracking with Deeply Learned Candidate
12-07 349
MOTDT是清华大学TNList实验室发表的收录于ICME2018的一篇文章，作者基于TBD范式提出从检测结果和跟踪结果中收集候选框从而解决检测不可靠的问题，这种产生冗余候选框的思路来源于检测和跟踪可以在不同场景下信息互补。高质量的检测可以阻止长期跟踪产生的轨迹偏移，轨迹的预测又可以防范由于遮挡造成的噪声检测。为了实时从大量候选框中进行最优选择，我们提出了一种基于全卷积神经网络的新的评分函数，该函数共享了整个图像的大部分计算。此外，外观的表示学习采用一个深度神经网络在三个大规模行人重识别数据集上训练得到。
深度学习之多目标检测与跟踪
zhf的博客
07-03 3052
方法： 1、实时性，每帧视频10ms 2、方法，首先深度学习检测到目标，然后再写跟踪算法 http://news.eeworld.com.cn/mp/QbitAI/a59568.jspx 官网：https://pjreddie.com/darknet/yolo/ 支持用自己的数据训练模型。 ...
商汤等提出：统一多目标跟踪框架
qq_20936501的博客
01-23 615
https://mp.weixin.qq.com/s/19MIC7n4khb1DwYzClsjTA
SiamFC-TF：深度学习中的目标追踪框架详解
gitblog_00094的博客
04-16 494
SiamFC-TF：深度学习中的目标追踪框架详解 去发现同类优质开源项目:https://gitcode.com/ 是一个基于 TensorFlow 的单目视觉跟踪器，它实现了 SiamFC（Siamese Feature Correlation）算法，该算法在目标追踪领域具有较高的精度和效率。本文将带你深入了解 SiamFC-TF 的原理、应用及特点。 项目简介 SiamFC-TF 是一种实时的...
深度学习 FairMOT多目标跟踪(PANDA)
09-24 657
复赛期间对于多目标跟踪任务使用的baseline。本质属于。
机器视觉初步10：目标跟踪
KHASIX的博客
06-28 2219
目标跟踪是计算机视觉中的一个重要领域，主要目的是在视频序列中跟踪一个或多个目标对象。常见的目标跟踪方法分为三类：非机器学习方法、机器学习方法和深度学习方法。
将图神经网络应用于多目标跟踪的基本框架
qq_73966123的博客
04-20 780
深度学习擅长捕捉欧几里得数据（图像、文本、视频）的隐藏模式。但是，如果是从非欧几里的域生成数据，对象之间具有复杂关系和相互依赖关系的图形就需要GNN和是多目标跟踪(MOT)系统的关键组成部分，对于目标检测来说，有很多种方法进行解决，有时候会应用GCN, 但GNN一般还是用来解决数据关联问题，数据关联问题的核心难点在于：1）遮挡给物体帧与帧之间的数据关联带来不小的挑战；2）长时间下的数据关联也会遇到困难。
MFC与OpenCV结合实现笔记本摄像头图像边缘检测教程
OpenCV是一个开源的计算机视觉和机器学习软件库，它提供了一系列图像处理、特征提取、模式识别和深度学习等方面的功能。 1. 开发环境设置： - Visual Studio 2008：一个集成开发环境（IDE），用于编写、调试和发布...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坐望云起

如果觉得有用，请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值