Closure

FairMOT：论多目标追追踪中检测和重识别的公平性 摘要： 最近几年在物体追踪和重识别中取得了显著的进步，这对于多目标追踪是关键的组成部分。然而，很少有人关注在单个网络中联合完成这两项任务。我们的研究表明先前的尝试最终导致精确度下降，主要是因为重识别的任务没有很公平的学习到，这导致了很对身份切换。这种不公平存在于两个方面：（1）他们把准确度很大程度上取决于首先得检测任务的re-id当做是第二任务，所以训练大大偏向检测任务但是忽略了re-id任务；（2）他们使用ROI-Align来提取直接从物体检测中借鉴来

@[TOC]( 1. 顶会论文 ) CVPR2020(共33篇) 1.1. CVPR2020 多目标跟踪 1.How to Train Your Deep Multi-Object Tracker 作者｜Yihong Xu, Aljosa Osep, Yutong Ban, Radu Horaud, Laura Leal-Taixe, Xavier Alameda-Pineda 代码｜https://github.com/yihongXU/deepMOT 2.Learning a Neural Solver