Semi-TCL：半监督轨迹对比表示学习
计算机视觉与模式识别
2021-07-07 v1
摘要
视频中多目标在线跟踪需要对目标外观的建模与匹配具备较强能力。以往学习外观嵌入的方法大多依赖实例级匹配，未考虑视频所提供的时间连续性。我们设计了一种新的实例到轨迹匹配目标，用于学习将候选检测与跟踪器中持续存在的轨迹嵌入进行比较的外观嵌入。它使我们不仅能够从带有完整轨迹标注的视频中学习，也能从无人标注或部分标注的视频中学习。我们遵循对比损失的思想，以统一形式实现了该学习目标。在多个多目标跟踪数据集上的实验表明，我们的方法能以半监督方式有效学习判别性外观嵌入，并在代表性基准上优于当前最优方法。
引用
@article{arxiv.2107.02396,
title = {Semi-TCL: Semi-Supervised Track Contrastive Representation Learning},
author = {Wei Li and Yuanjun Xiong and Shuo Yang and Mingze Xu and Yongxin Wang and Wei Xia},
journal= {arXiv preprint arXiv:2107.02396},
year = {2021}
}