YOLO11-JDE：基于自监督 Re-ID 的快速精准多目标跟踪
计算机视觉与模式识别
2025-05-28 v1 人工智能
摘要
我们提出了 YOLO11-JDE，一种快速精准的多目标跟踪（MOT）解决方案，将实时目标检测与自监督 Re-识别（Re-ID）相结合。通过在 YOLO11s 中集成专用 Re-ID 分支，我们的模型实现了联合检测与嵌入（JDE），为每一次检测生成外观特征。Re-ID 分支在检测训练的同时以完全自监督方式进行训练，无需 costly identity-labeled 数据集。采用难正样本和半难负样本挖掘策略的三角损失用于学习判别性嵌入。数据关联通过自定义跟踪实现进行增强，成功集成了运动、外观和位置线索。YOLO11-JDE 在 MOT17 和 MOT20 基准测试中取得了竞争成绩，相较于现有 JDE 方法在帧率（FPS）方面显著提升，并使用最多降低 10 倍的参数。因此，我们的方法在实际应用中具有高度的吸引力。
引用
@article{arxiv.2501.13710,
title = {YOLO11-JDE: Fast and Accurate Multi-Object Tracking with Self-Supervised Re-ID},
author = {Iñaki Erregue and Kamal Nasrollahi and Sergio Escalera},
journal= {arXiv preprint arXiv:2501.13710},
year = {2025}
}
备注
This paper has been accepted to the 5th Workshop on Real-World Surveillance: Applications and Challenges (WACV 2025)