追踪不同蚂蚁物种：一种无监督域适应框架及多目标跟踪数据集
计算机视觉与模式识别
2023-05-17 v2
摘要
追踪个体是许多旨在理解集体行为的实验的重要组成部分。蚂蚁是此类实验的典型模型系统，但缺乏个体可区分的视觉特征以及高群落密度使得自动可靠跟踪极为困难。此外，其物种外观的广泛多样性使得通用方法更加困难。在本文中，我们提出一种数据驱动的多目标跟踪器，首次采用域适应以实现所需的泛化能力。该方法构建于联合检测与跟踪框架之上，并通过一组域判别模块进行扩展，在跟踪损失之外引入对抗训练策略。除这一新颖的域适应跟踪框架外，我们提出了一个新的蚂蚁跟踪问题数据集与基准。该数据集包含 57 个视频序列及完整轨迹标注，包括从两种不同蚂蚁物种在不同背景图案上移动所捕获的 30k 帧。其包含源域 33 个序列和目标域 24 个序列。我们使用该数据集将我们提出的框架与其他域适应及非域适应的多目标跟踪基线进行比较，并表明在跟踪流水线的多个层次引入域适应带来了显著改进。代码与数据集可在 https://github.com/chamathabeysinghe/da-tracker 获取。
引用
@article{arxiv.2301.10559,
title = {Tracking Different Ant Species: An Unsupervised Domain Adaptation Framework and a Dataset for Multi-object Tracking},
author = {Chamath Abeysinghe and Chris Reid and Hamid Rezatofighi and Bernd Meyer},
journal= {arXiv preprint arXiv:2301.10559},
year = {2023}
}