TrafficMOT：面向复杂交通场景多目标跟踪的挑战性数据集
计算机视觉与模式识别
2023-12-01 v1
摘要
交通视频中的多目标跟踪是一项关键研究领域，通过利用先进机器学习算法，在提升交通监控精度与促进道路安全措施方面具有巨大潜力。然而，现有交通视频多目标跟踪数据集常包含有限实例或聚焦于单一类别，无法很好地模拟复杂交通场景中所遇挑战。为弥补此缺口，我们引入 TrafficMOT，一个旨在涵盖具复杂场景的多样交通状况的大型数据集。为验证 TrafficMOT 所呈现的复杂性与挑战，我们使用三种不同设置进行了全面实证研究：全监督、半监督以及近期强大的零样本基础模型 Tracking Anything Model（TAM）。实验结果凸显了该数据集的内在复杂性，强调了其在推动交通监控与多目标跟踪领域进展中的价值。
引用
@article{arxiv.2311.18839,
title = {TrafficMOT: A Challenging Dataset for Multi-Object Tracking in Complex Traffic Scenarios},
author = {Lihao Liu and Yanqi Cheng and Zhongying Deng and Shujun Wang and Dongdong Chen and Xiaowei Hu and Pietro Liò and Carola-Bibiane Schönlieb and Angelica Aviles-Rivero},
journal= {arXiv preprint arXiv:2311.18839},
year = {2023}
}
备注
17 pages, 7 figures