改进单目标跟踪中的人工标注

在视频目标跟踪任务中，人工标注始终被视为真值。它用于训练和评估目的。因此，确保其高质量对于跟踪器的成功及其间评估至关重要。本文对现有人工标注进行定性和定量分析。我们表明人工标注往往不平滑，且容易出现部分可见性和形变。我们提出一种能够处理运动场景的平滑轨迹策略。我们使用两步自适应图像对齐算法寻找视频序列的规范视图。然后我们使用不同技术在一定程度上平滑轨迹。一旦转换回原始图像坐标，我们便可与人造标注进行比较。实验结果表明，我们可以获得更一致的轨迹。在一定程度上，它还能轻微改进训练模型。若超过某一阈值，平滑误差将开始抵消收益。总体而言，我们的方法可帮助外推缺失的标注帧或识别并纠正人工标注离群值，并有助于提升训练数据质量。