本文介绍了一个用于评估多目标跟踪方法的基准测试框架,其中包含了约 50 个最先进的跟踪器的测试结果及其分析,旨在为推动这一领域的发展提供指导。
Apr, 2017
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
该研究提出了一个基于虚拟世界的视觉感知基准测试套件,通过对超过 250,000 个高分辨率视频帧的低层次和高层次的视觉任务进行全面地注释,并针对多个任务分析了最先进方法的表现,提供参考基线和突出未来研究的挑战。
Sep, 2017
该研究提出了 TrackingNet 数据集,为在野外进行物体跟踪提供了第一个大规模数据集和基准,并评估了 20 多个追踪器模型,结果表明,在野外物体跟踪仍然远未解决。
Mar, 2018
本文着重于构建一个针对复杂场景的无人机基准测试数据集,并对基准测试集中的物体检测、单目标跟踪和多目标跟踪进行了详细的定量分析,实验结果表明目前最先进的方法在这个数据集上的表现相对较差,给出了这一问题的多方面解决方案。
通过新发布的 MOTChallenge 标准基准测试集,研究人员在计算机视觉领域的多目标跟踪方面提出了一个具有挑战性的任务,并通过对 MOT16 视频的大量标记来标准化不同方法的评估。
Mar, 2016
提出了一种名为 Track Long and Prosper(TLP)的新型长视频数据集和单个目标跟踪基准,包含 50 个高清视频,超过 400 分钟(676K 帧),是现有通用数据集平均持续时间的 20 倍以上,通过对 17 种现有跟踪器进行精度和运行时间速度排名,以及定性和定量评估,突出了跟踪性能的长期方面的重要性并指出了研究努力在长期跟踪方向的潜在需求。
Dec, 2017
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
研究了四种基于物体的表征方法的感知能力,设计了一个基准测试集来评估物体检测、分割和跟踪的基本感知能力,并发现具有非约束潜在表征的架构比基于空间变换器的架构具有更强的物体感知能力。
Jun, 2020
本文提出了一种新的方法,同时解决了使用固定平面标记来进行多相机三维物体跟踪所面临的问题,能够在低分辨率摄像头下获得高精度的跟踪结果,从而在实现物体实时跟踪的同时,大大降低了计算成本。
Mar, 2021