MOTS是一种新型多目标跟踪和分割框架，在MaskRCNN基础上增加了AssociationHead，利用像素级mask-IoU辅助跟踪关联，实现实时2fps的速度。贡献包括自建MOTS数据集、提出新评价指标和TrackR-CNN框架。
MOTS: Multi-Object Tracking and Segmentation
TL;DR
本文在MaskRCNN的框架下将多跟踪任务扩展到多对象跟踪和分割同时处理的新框架（MOTS），用分割结果以像素级的mask-iou指标辅助多目标跟踪中Association过程。由于缺少MOT和Seg联合的数据，作者自己构建两个基于KITTI 和 MOTChallenge 数据集 建立了两个分割和MOT相结合的数据集，MOTS在自己的数据集上取得了比较好的效果，实时性只有2fps。
Contributions
- 数据集：目前的多目标追踪数据集只提供bbox标注，作者希望引入mask做像素级别上的追踪来达到性能上的突破，通过CNN+人工校准从bbox生成了mask，主要包括：
- KITTI训练集的21个video，目标对象是车辆和行人，12个train9个val；
- MOT17训练集的其中4个video，目标对象是行人，leaving-one-out方式；
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
