LITE：多目标跟踪中高效 ReID 特征集成的范式转变
计算机视觉与模式识别
2024-10-02 v2
摘要
引入轻量化集成跟踪-特征提取（LITE）范式，作为一种新型多目标跟踪（MOT）方法。它通过消除推理、预处理、后处理和 ReID 模型训练成本，提升基于 ReID 的跟踪器性能。LITE 在不牺牲速度的前提下使用实时外观特征。通过将外观特征提取直接集成到使用如 YOLOv8m 等标准 CNN 基检测器的跟踪管道中，LITE 展示出显著的性能提升。LITE 在经典 DeepSORT 上最简单的实现，在 MOT17 数据集上以 43.03% 的 HOTA 分数和 28.3 FPS 的速度表现，使其在 MOT17 上速度是 DeepSORT 的两倍，在更拥挤的 MOT20 数据集上速度是它的四倍，同时保持类似的精度。此外，一个新的跟踪-检测方法评估框架揭示了在公平条件下评估时，像 DeepSORT 这样的传统跟踪器与现代 SOTA 跟踪器仍具竞争力。代码将在发布后在 https://github.com/Jumabek/LITE 提供。
引用
@article{arxiv.2409.04187,
title = {LITE: A Paradigm Shift in Multi-Object Tracking with Efficient ReID Feature Integration},
author = {Jumabek Alikhanov and Dilshod Obidov and Hakil Kim},
journal= {arXiv preprint arXiv:2409.04187},
year = {2024}
}
备注
15 pages, 6 figures, to be published in ICONIP-2024