论文笔记——Tracktor：tracking without bells and whistles

论文标题：《tracking without bells and whistles》

链接：https://openaccess.thecvf.com/content_ICCV_2019/html/Bergmann_Tracking_Without_Bells_and_Whistles_ICCV_2019_paper.html

以往的MOT主要基于tracking-by-detection，即两个步骤：（1）对每一个frame独立地做detection；（2）相邻frame之间做data association。

但是步骤（2）的工作比较challenging，过去的几年中提升的MOTA点不多。因此在这篇ICCV19的文章中，作者提出：如果一个detector能够胜任tractor的功能，那么相应的specific的tracking算法就没有必要了。

于是作者在这篇论文中做出了以下几点贡献：

（1）提出了Tracktor，利用检测器的regression head实现目标框的时间realign；

（2）在vanilla Tractor上增加了两个extensions，分别是基于Siamese CNN的re-ID网络，以及基于CMC个CVA的motion model；

（3）分析了之前的一些tracking算法及其不足，证明Tracktor效果SOTA；

（4）提供了一种新的MOT思路，可以follow。

Tracktor的主要思路就是利用一个detector，对于第t个frame，可以利用t-1帧的目标位置，通过detector的回归head进行回归预测。这种算法有两点好处：（1）不需要任何专门的tracking算法，更简单；（2）test时没有复杂的优化，适合online。

对于detector，作者采用的Faster-RCNN，而在Frcnn的backbone部分，采用了Resnet50+FPN 的一个骨干架构，可以进行多尺度feature的提取，适应于不同大小的目标。

其训练过程与传统的detector无差别，首先在coco17上做pretrain，后改变cls维度后在MOT17D