FairMOT算法详解

FairMOT（Fairness in Detection and Re-Identification for Multi-Object Tracking）是一种基于联合学习（Joint Learning）的多目标跟踪（MOT）算法，由中科院自动化所团队提出。其核心思想是通过单阶段网络同时完成目标检测和重识别（Re-ID）特征提取，解决了传统两阶段方法（如DeepSORT）中检测与Re-ID任务的不公平性问题，显著提升了跟踪的准确性和效率。

1. 核心思想

FairMOT 的核心理念是 “公平性”，即让检测（Detection）和重识别（Re-ID）两个任务在同一个网络架构中均衡优化，避免传统方法中因独立训练导致的特征不一致问题。

• 传统方法（如DeepSORT）：

  • 检测器和Re-ID模型分开训练，检测框的质量直接影响Re-ID特征提取。

  • 检测误差会传递到Re-ID阶段，导致ID切换（ID Switch）增加。

• FairMOT的改进：

  • 单阶段架构：检测和Re-ID共享主干网络，减少计算冗余。

  • 均衡训练