MOTS: Multi-Object Tracking and Segmentation

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

MOTS: Multi-Object Tracking and Segmentation

Paper URL

Code Demo

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

  1. 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;
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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