MCMOT: Multi-Class Multi-Object Tracking using Changing Point Detection
這篇文章比較出彩的地方就是? 多目標(biāo)跟蹤+context region
一、成績(jī)
?Object Detection from Video (VID)? ? ? ? ? ? ? ? 2ndplace(mAP: 73.15%)
?Object Detection/Tracking from Video (VID) 2ndplace(mAP: 49.09%)
二、主要結(jié)構(gòu)
Faster R-CNN Object Detector 加上 MCMOT（Multi-Class Multi-Object Tracking）
（1）Faster R-CNN Object Detector
由于視頻中有些幀中的object 比較小，所以文章采取了large feature map(即去掉VGG-16中的pool4)
同時(shí)，視頻幀也存在模糊的情況，本文應(yīng)用了context region
我們知道一幅圖不同proposal對(duì)應(yīng)圖像不同的region，這樣的話每個(gè)region對(duì)與最終分類的貢獻(xiàn)也就不一樣，可以分為三類：
target region：本身包含了分類目標(biāo)（比如人）；
context region：上下文，比如出現(xiàn)了一匹馬通常就會(huì)有人（一般是人騎馬）；
背景區(qū)域：比如一棵樹和人同時(shí)出現(xiàn)在圖像中，而樹和人在日常生活中并沒有太相關(guān)的聯(lián)系，所以可以把樹看成背景區(qū)域，包含噪聲。
這三種很明顯的target region對(duì)分類的貢獻(xiàn)高于其他兩者，context region高于background noise region。
cross region pooling:跨區(qū)域合并
（2）數(shù)據(jù)集的選取和擴(kuò)充
由于視頻圖片的冗余性和單一性，需要大量的訓(xùn)練數(shù)據(jù)，于是文章利用COCO數(shù)據(jù)集進(jìn)行pre_train.
（3）MCMOT: Multi-Class Multi-Object Tracking using Changing Point Detection
這里沒有看的非常明白，但大概意思應(yīng)該是提出基于變換點(diǎn)檢測(cè)的多目標(biāo)跟蹤算法[11]，該算法首先檢測(cè)出目標(biāo)，然后對(duì)其進(jìn)行跟蹤，并在跟蹤過程中對(duì)跟蹤軌跡點(diǎn)進(jìn)行分析處理，可以較好地緩解跟蹤時(shí)的漂移現(xiàn)象，并能在軌跡異常時(shí)及時(shí)終止跟蹤。
貼一張?jiān)砹鞒虉D
還解釋了是否需要復(fù)雜的跟蹤算法：Based on high performance detection,simple & fastMOT algorithm can achieve competitive result，是不需要的，因?yàn)閐etection部分已經(jīng)有很好的表現(xiàn)了
