基于元学习的 MAML MOT 多目标跟踪
计算机视觉与模式识别
2024-08-26 v3 人工智能
摘要
随着视频分析技术的发展, 复杂场景下的行人多目标跟踪 (MOT) 问题正越来越受到关注。该挑战主要涉及两个关键任务: 行人检测和重识别。虽然近年来在行人检测任务上取得了显著进展, 但提高重识别任务的效果仍然是一个持续的挑战。这种困难源于多目标跟踪数据集中行人样本的庞大数量以及单个实例样本的稀缺。针对元学习技术近期快速发展, 我们引入 MAML MOT, 一种基于元学习的多目标跟踪训练方法。该方法利用元学习的快速学习能力来解决行人重识别任务中的样本稀缺问题, 旨在提高模型的泛化性能和鲁棒性。实验结果表明, 所提出的方法在 MOT 挑战中的主流数据集上取得了高准确率。这为多目标跟踪领域的研究提供了新的视角和解决方案。
引用
@article{arxiv.2405.07272,
title = {MAML MOT: Multiple Object Tracking based on Meta-Learning},
author = {Jiayi Chen and Chunhua Deng},
journal= {arXiv preprint arXiv:2405.07272},
year = {2024}
}