用于在线多目标跟踪的循环自回归网络
计算机视觉与模式识别
2018-03-06 v2 人工智能
机器学习
摘要
在线多目标跟踪的主要挑战是基于跟踪历史将目标轨迹与每帧视频中的检测结果可靠地关联起来。在这项工作中，我们提出循环自回归网络（RAN），一种时序生成建模框架，用于刻画多个目标随时间的表观和运动动态。RAN 耦合了外部记忆和内部记忆。外部记忆显式存储每个轨迹在时间窗口内的先前输入，而内部记忆通过学习处理外部记忆来总结长期跟踪历史并关联检测。我们在 MOT 2015 和 2016 数据集上开展实验，以证明我们的跟踪方法在高度拥挤和遮挡场景中的鲁棒性。我们的方法在两个基准上取得了排名靠前的结果。
引用
@article{arxiv.1711.02741,
title = {Recurrent Autoregressive Networks for Online Multi-Object Tracking},
author = {Kuan Fang and Yu Xiang and Xiaocheng Li and Silvio Savarese},
journal= {arXiv preprint arXiv:1711.02741},
year = {2018}
}
备注
10 pages, 3 figures, 6 tables