FairMOT与MCFairMOT算法对比

已于 2025-04-23 11:48:54 修改
阅读量818 收藏 18
点赞数 19
CC 4.0 BY-SA版权
分类专栏： 目标追踪 文章标签： 算法 FairMOT MCFairMOT 目标追踪
于 2025-04-18 16:42:32 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/reset2021/article/details/147336031

以下是 FairMOT 和 MCFairMOT 的详细对比，从核心设计、性能、适用场景等方面进行总结：

1. 核心设计对比

特性 FairMOT MCFairMOT
任务目标 单类别目标跟踪（如行人） 多类别目标跟踪（行人、车辆、动物等）
检测头设计 单类别中心点检测（Heatmap + Re-ID） 多类别检测头（每个类别独立预测）
Re-ID 分支 共享Re-ID特征（所有目标同一特征空间） 可扩展为多类别Re-ID（需类别感知特征）
骨干网络 DLA-34 或 HRNet 同 FairMOT，但需更大容量适应多类别
数据关联</
了解本专栏 订阅专栏 解锁全文 超级会员免费看
从Deep-sort到FairMOT
bemy1008的博客
10-14 3469
转自： https://zhuanlan.zhihu.com/p/260292966?utm_source=wechat_session 目标跟踪分为单目标跟踪(SOT)和多目标跟踪(MOT)。SOT一般在首帧给出目标，跟踪器(tracker)需要在后续帧定位出目标位置，可以看成目标重定位问题。MOT一般需要检测器(detector)先检测出目标，跟踪器对属于同一目标的框进行关联，可以看作目标匹配问题。下文重点介绍MOT算法。 MOT算法的通常工作流程：(1)给定视频的原始帧；(2)运行对象检测器以获得对象
FairMOT代码详解
qq_42779673的博客
05-17 2451
参考：https://blog.youkuaiyun.com/u011622208/article/details/106718940 这篇文章写得很好，我在阅读学习的时候对其中我觉得有些不太具体的地方加了一些自己的理解。可以结合着一起看。 局部变量： activated_starcks：所有is_activated=True的Strack对象 refind_stracks：该次操作中原本状态为lost之后又匹配上的Stracks对象 lost_stracks：该次操作中原本状态为Tracked后来又丢失的对象
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
06-04 572
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.
【PTA数据结构 | C语言版】堆中的路径
等风来
07-20 765
将一系列给定数字插入一个初始为空的最小堆 h。随后对任意给定的下标 i，打印从第 i 个结点到根结点的路径。输入格式:每组测试第 1 行包含 2 个正整数 n 和 m (≤10^3)，分别是插入元素的个数、以及需要打印的路径条数。下一行给出区间 [−10^4,10^4] 内的 n 个要被插入一个初始为空的小顶堆的整数。最后一行给出 m 个下标。输出格式:对输入中给出的每个下标 i，在一行中输出从第 i 个结点到根结点的路径上的数据。数字间以 1 个空格分隔，行末不得有多余空格。
代码随想录算法训练营第二十九天
最新发布
2403_87481241的博客
07-23 955
问题描述：假设有打乱顺序的一群人站成一个队列，数组 people 表示队列中的一些人的属性（每个 people [i] = [h, k] 表示第 i 个人的身高为 h，前面正好有 k 个身高大于或等于 h 的人）。如果存在，返回该起点的索引；这个算法的时间复杂度是 O (n)，空间复杂度是 O (1)，非常高效。这个算法的时间复杂度是 O (n²)（排序 O (nlogn) + 插入操作 O (n²)），空间复杂度是 O (n)。这个算法的时间复杂度是 O (n)，空间复杂度是 O (n)。
飞算JavaAI：基于算法的测评，飞算AI 初学者入门级实测体验
2302_81805546的博客
07-21 660
“别怕算法，它比你想象的要友好得多。只要你愿意动手写代码，飞算AI会陪你一起进步。”
枚举右，维护左基础篇
m0_68367618的博客
07-23 275
本文总结了力扣题单中基于双变量问题的通用解法模板。核心思路是：通过维护已遍历区间（使用哈希表、集合或滑动窗口），枚举未遍历区间来优化双变量问题。
OpenCV特征点提取算法orb、surf、sift对比
qq_36812406的博客
07-19 1054
特征对比ORB（推荐实时）SIFT（推荐精度）SURF（研究可选）开源许可✅ 免费✅ 免费❌ 专利受限描述子类型二进制浮点浮点匹配方式汉明距离欧氏距离欧氏距离稳定性中等非常好非常好速度很快慢中等。
力扣-300.最长递增子序列
weixin_46878941的博客
07-22 348
小结：注意最长递增子序列可能不包含最后一个值，所以要用一个变量记录。
数组题目总结 前缀和草稿
weixin_47868976的博客
07-21 626
前缀和数组用于快速 频繁地计算一个索引区间内的元素之和！（还有么？深入说说！例题303要是没学过 前缀和那也简单 就累加呗！这个解法每次调用 sumRange 函数时，都要进行一次 for 循环遍历，时间复杂度为ONO(N)，而 sumRange 的调用频率可能非常高，所以这个算法的效率很低。正确的解法是使用前缀和技巧进行优化，使得 sumRange 函数的时间复杂度为O1(上面代码换成cpp！一维的很容易理解！类比一维求区间和。
代码随想录算法训练营第二十五天
2403_87481241的博客
07-19 900
个排列，每个排列需要 O (n) 的时间来复制。这段代码实现了经典的 N 皇后问题求解，能够的是回溯算法来找出所有可能的摆放方案，使得每个方案中 N 个皇后彼此不会相互攻击（即不在同一行、同一列或同一斜线上）。采用深度优先搜索 (DFS) 结合回溯法，通过递归的方式探索所有可能的元素排列，使用一个布尔类型的数组记录元素是否已被使用，确保每个元素在每个排列中只出现一次。这段代码时间复杂度为 O (2^n)（最坏情况下需要探索所有可能的子序列），空间复杂度为 O (n)（递归栈深度和临时存储的子序列长度）。
day25 力扣90.子集II 力扣46.全排列 力扣47.全排列 II
2401_87983916的博客
07-19 701
去重的操作也不同，本题去重是使用的哈希表去重，这里我使用的是unordered_set (如果使用数组的话，时间消耗会更少）在for循环内开始如果这个值小于path最后一个值或者之前用过了，就continue。这道题的终止条件是每一次循环时，如果pah如果大于1，那么我们就要进行存入result里，且不写return，因为这道题不是在叶子节点才存值，而是在每个path的大小大于1就要存进去。终止条件是当path的大小，它等于nums的大小，我们就加在result里，然后return。
【爱创大师】【算法】算法中的博弈论
weixin_56334307的博客
07-21 244
"石头剪刀布"作为全球通用的决策游戏，其历史可追溯至汉代《手势令》，而现代意义下的博弈论分析始于约翰·纳什1950年的均衡理论。
拓展三字棋
2301_77946044的博客
07-22 538
的情况进行了判断，也就是只检查了固定的行（每一行的第 0、1、2 列）、列（每一列的第 0、1、2 行 ）以及两条斜线（主对角线。这个思路的关键在于通过双重循环遍历棋盘的每个位置，并在每个位置上检查四个方向的连续性，确保能够覆盖所有的获胜情况。的字符时，从该位置出发，去检查其所在的行、列、两条斜线方向上，是否存在连续三个相同的字符。通过遍历每个位置，并在每个位置上动态地检查行、列、斜线方向是否有连续三个相同字符的方式。检查所有可能的行、列、对角线是否存在连续三个相同的字符。
动态规划算法的欢乐密码(三)：简单多状态DP问题(上)
2401_85198927的博客
07-19 989
《算法的魔法世界》专栏通过四个经典动态规划问题展示了解题思路：1.按摩师问题使用状态转移方程f[i]=g[i-1]+nums[i]和g[i]=max(f[i-1],g[i-1])；2.环形房屋抢劫问题转化为两次线性打家劫舍；3.删除点数问题通过预处理数组转化为类似打家劫舍问题；4.粉刷房子问题通过三维状态表示颜色选择。每个问题都详细分析了状态表示、转移方程和边界条件，提供了完整的Java实现代码，展示了动态规划在优化问题中的灵活应用。
力扣 hot100 Day49
qq_51397044的博客
07-19 419
总体是分治思想，一步步构建二叉树，引入哈希表用于快速查找根节点位置。，请构造二叉树并返回其根节点。感觉很复杂，得多做几遍。
马拉车（Manacher）算法
weixin_67028876的博客
07-19 278
马拉车算法是一种用于高效求解最长回文子串的线性时间算法。它通过预处理将字符串统一为奇数长度，利用回文对称性减少重复计算。算法核心包括：预处理（插入特殊字符统一奇偶情况）、中心扩展（利用已知回文信息优化计算）和边界维护。相比传统O(n²)的中心扩展法，马拉车算法将时间复杂度优化至O(n)，在处理大规模字符串时更具优势。示例代码展示了如何实现该算法，包括预处理、回文半径计算和结果输出等关键步骤。
算法训练营DAY36 第九章 动态规划part04
2401_89133587的博客
07-20 794
1049. 最后一块石头的重量 II - 力扣（LeetCode）有一堆石头，每块石头的重量都是正整数。每一回合，从中选出任意两块石头，然后将它们一起粉碎。假设石头的重量分别为 x 和 y，且 x <= y。那么粉碎的可能结果如下：benti如果 x == y，那么两块石头都会被完全粉碎；如果 x!= y，那么重量为 x 的石头将会完全粉碎，而重量为 y 的石头新重量为 y-x。最后，最多只会剩下一块石头。返回此石头最小的可能重量。如果没有石头剩下，就返回 0。输入：[2,7,4,1,8,1]
算法训练营day29 贪心算法③ 134. 加油站、135. 分发糖果 、860.柠檬水找零、406.根据身高重建队列
m0_65111950的博客
07-23 341
DAY28 贪心算法③ 逐步贪心的思路！
fairmot
05-04
### FairMOT算法实现与使用 FairMOT 是一种基于深度学习的目标跟踪方法，它结合了检测和重识别（Re-ID）的任务来实现实时多目标跟踪。该算法的核心在于通过共享卷积特征提取网络的方式减少计算开销，并利用时空关联信息提高跟踪精度。 #### 算法概述 FairMOT 的主要特点是将检测框回归、分类以及 Re-ID 特征嵌入到同一个模型中[^1]。这种方法不仅提高了效率，还增强了不同任务之间的协同作用。具体来说： - **检测模块**：采用改进版的 CenterNet 架构作为基础检测器，能够高效预测物体中心点及其尺寸。 - **Re-ID 模块**：引入额外分支用于生成可区分的身份特征向量，这些特征被用来匹配同一对象在不同时刻的状态。 - **联合训练机制**：整个框架可以通过端到端方式优化，从而更好地平衡检测质量和身份一致性。 #### 实现细节 以下是关于如何获取并运行 FairMOT 的一些指导信息： 1. **安装依赖项** 需要先准备好 Python 开发环境及相关库文件，比如 PyTorch 和 TorchVision。可以参照官方仓库中的 `requirements.txt` 文件完成必要软件包的安装过程[^2]。 ```bash pip install -r requirements.txt ``` 2. **下载预训练权重** 访问 GitHub 上托管该项目页面链接地址，找到对应版本号下的 release 资源列表部分，从中选取适合自己的模型参数文件进行本地保存操作[^3]。 3. **配置测试脚本** 修改 demo.py 或其他入口程序里的路径变量设置，使其指向实际存储位置；另外还需指定输入视频流或者图片序列作为处理素材来源之一[^4]。 ```python from lib.tracking import eval_seq opt = opts().init() dataloader = datasets.LoadVideo(opt.input_video, (opt.img_size, opt.img_size)) result_filename = 'results.txt' online_tracker = JDETracker(opt, frame_rate=30) _, _ = eval_seq(opt, dataloader, 'mot', result_filename, save_dir=None, show_image=True, frame_rate=30) ``` 4. **执行推理流程** 启动应用程序后等待一段时间直至全部帧数都被分析完毕为止，在此期间可能会显示实时渲染画面以便观察效果表现情况[^5]。 #### 性能评估指标 对于 MOT 应用场景而言，常用的评价标准包括但不限于 MOTA（Multiple Object Tracking Accuracy）、IDF1 Score 以及其他衍生统计数值等。它们共同反映了系统综合能力水平高低程度差异之处所在[^6]。 ---
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

reset2021

你的鼓励将是我创作的最大动力

¥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