全局关联网络：端到端联合多目标检测与跟踪
计算机视觉与模式识别
2021-04-13 v2
摘要
多目标跟踪（MOT）近年来取得很大进展，但仍存在一些问题。大多数 MOT 算法遵循检测跟踪（tracking-by-detection）框架，将检测与跟踪分离为两个独立部分。早期的检测跟踪算法需要为检测和跟踪做两次特征提取。近来一些算法将特征提取放入一个网络，但跟踪部分仍依赖数据关联，并需要复杂的生命周期管理后处理。这些方法未能很好结合检测与跟踪。本文提出一种新颖网络以端到端方式实现联合多目标检测与跟踪，称为全局关联网络（GCNet）。与多数目标检测方法不同，GCNet 引入全局关联层用于回归边界框绝对尺寸与坐标，而非偏移预测。GCNet 的检测与跟踪流程概念上简洁，无需非极大值抑制、数据关联及其他复杂跟踪策略。GCNet 在多车辆跟踪数据集 UA-DETRAC 上评估，相较 SOTA 检测器与跟踪器展现出有前景的性能。
引用
@article{arxiv.2103.12511,
title = {Global Correlation Network: End-to-End Joint Multi-Object Detection and Tracking},
author = {Xuewu Lin and Yu-ang Guo and Jianqiang Wang},
journal= {arXiv preprint arXiv:2103.12511},
year = {2021}
}
备注
9 pages, 5 figures, under review