20、多视角检测与数据融合实验研究

多视角检测与数据融合实验研究

多视角检测实验

在多视角检测的研究中，我们使用了 MVDet 所参考的 Wildtrack 数据集和 MultiviewX 数据集。这两个数据集的特点如下表所示：
| 数据集 | 相机数量 | 分辨率 | 帧数 | 区域面积 |
| ---- | ---- | ---- | ---- | ---- |
| Wildtrack | 7 | 1080×1920 | 400 | 12×36 m² |
| MultiviewX | 6 | 1080×1920 | 400 | 16×25 m² |

为了评估算法，我们采用了精度（Precision）、召回率（Recall）、MODA 和 MODP 这些指标。其中，MODP 用于评估定位精度，MODA 用于解释误报和漏报情况，在本次实验中，MODA 作为主要的性能指标，我们将判断是否为真正阳性的阈值设置为 0.5。

在模型训练方面，我们使用 Ubuntu 16.04 操作系统、PyTorch 1.7 以及两块共 32G RTX 的 3090 显卡。考虑到图像数量较多，在训练阶段，我们将原始的 1080×1920 图像调整为 675×1200，并将批量大小设置为 1，以方便模型训练。我们使用动量为 0.5 的 SGD 优化器，L2 正则化设置为 5 × 10⁻⁴，单视角损失权重 α 设置为 1。采用单周期学习率调度器，最大学习率为 0.1，最大训练轮数为 50。同时，我们使用可变形变压器作为方法的骨架，变压器中的编码器数量设置为 6。

我们在 Wildtrack 数据集和 MultiviewX 数据集上进行实验，将我们的方法与 RCNN 和聚类、POM -