基于广义图差学习的多目标跟踪
计算机视觉与模式识别
2019-08-20 v1
摘要
将多目标跟踪问题表述为网络流优化问题是一种流行的选择。本文提出了一种学习此类网络权重的高效方法。该方法将问题分离为可行解在一维特征空间中的嵌入和一个优化问题。该嵌入可使用标准SGD类型优化进行学习，而无需在每一步中依赖额外的优化。训练数据通过对真实轨迹进行微小扰动并使用广义图差表示来生成，广义图差是一种用于表示两个图之间差异的高效方法。所提方法在DukeMTMCT上进行了评估，取得了具有竞争力的结果。
引用
@article{arxiv.1908.06646,
title = {Multi Target Tracking by Learning from Generalized Graph Differences},
author = {Håkan Ardö and Mikael Nilsson},
journal= {arXiv preprint arXiv:1908.06646},
year = {2019}
}