PieTrack：一种基于合成数据训练与自监督域适应的多目标跟踪方案
计算机视觉与模式识别
2022-07-26 v1
摘要
为应对标注数据需求增长及人体检测中的隐私问题，合成数据已被用作替代方案，并在人体检测与跟踪任务中展现出可喜结果。我们参与了第七届多目标跟踪基准评测研讨会（BMTT），其主题为“合成数据能带我们走多远”？我们的方案 PieTrack 基于合成数据开发，未使用任何预训练权重。我们提出了一种自监督域适应方法，可在不涉及额外人工标注的情况下，缓解合成数据（如 MOTSynth）与真实数据（如 MOT17）之间的域偏移问题。通过所提出的多尺度集成推理，我们在 MOT17 测试集上取得了 58.7 的最终 HOTA 分数，在挑战赛中排名第三。
引用
@article{arxiv.2207.11325,
title = {PieTrack: An MOT solution based on synthetic data training and self-supervised domain adaptation},
author = {Yirui Wang and Shenghua He and Youbao Tang and Jingyu Chen and Honghao Zhou and Sanliang Hong and Junjie Liang and Yanxin Huang and Ning Zhang and Ruei-Sung Lin and Mei Han},
journal= {arXiv preprint arXiv:2207.11325},
year = {2022}
}
备注
Third place solution for the MOTSynth-MOT-CVPR22 Challenge