MOT16:多目标跟踪基准
MOTChallenge 是一个针对单摄像头多目标跟踪设计的标准化比赛,包含三个版本,包括挑战性视频和精确的标签,同时提供了多目标跟踪器分类和广泛的错误分析。
Oct, 2020
本文介绍的 MOT20benchmark 建立在 MOT15、MOT16 和 MOT17 的基础上,扩展了 8 个新的数据序列,适用于评估在极度拥挤情景下处理多个物体跟踪的最先进方法。
Mar, 2020
本研究提出了一个新的 CVPR19 基准测试,该测试包括 8 个新序列,重点关注极度拥挤的场景下的多目标跟踪,并将在第四届 BMTT MOT 挑战工作坊上进行评估。
Jun, 2019
本文介绍了我们的工作,即创建一个新的多目标跟踪基准,以解决现有基准存在的问题,并通过 MOTChallenge 向一个更有意义的多目标跟踪定量评估统一框架迈进。
Apr, 2015
本文通过构建 GMOT-40 数据集、设计一系列 GMOT 基线算法及对 GMOT-40 的全面评估,旨在推动 GMOT 的研究,以及提供公共的基准测试、评估结果和基线算法。
Nov, 2020
本文主要介绍了我们针对在复杂环境下的多目标跟踪挑战提出的方法,将其作为两个阶段的任务,包括人体检测和轨迹匹配,并具体设计了一个改进的人体检测器和一个位置匹配矩阵,使其在 DanceTrack 数据集上获得了高达 66.672 HOTA 和 93.971 MOTA 的成绩。
Dec, 2022
本文介绍了一种新的鲁棒性强的跟踪器,该跟踪器可以将运动和外观信息、相机运动补偿和更准确的卡尔曼滤波状态向量相结合,其新的跟踪器 BoT-SORT 和 BoT-SORT-ReID 在 MOTChallenge 的 MOT17 和 MOT20 测试集上均排名第一。
Jun, 2022
该论文提出了一个简单实时的 3D 多目标跟踪系统,使用 3D Kalman 滤波器和匈牙利算法进行状态估计和数据关联,并提出了新的 3D MOT 评估工具和新的评估指标,可在 KITTI 和 nuScenes 数据集上获得最先进的性能和最快的速度。
Jul, 2019
本文提出了一种新的大规模多目标追踪数据集 SportsMOT,旨在促进运动跟踪器在运动和外观等方面的进步,通过比较当下几种状态最好的跟踪器和 MixSort 框架,我们发现 SportsMOT 的关键挑战在于对象关联,MixSort 框架通过将自定义的基于外观的关联与原始的基于运动的关联相结合,实现了在 SportsMOT 和 MOT17 上的最先进的性能表现。
Apr, 2023