CVPRMar, 2020

MOT20：拥挤场景下多目标追踪的基准测试

PDF
TL;DR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。
standardized benchmarkscomputer visionmultiple object trackingmotchallengestate-of-the-art methods
发现论文，激发创造
  • CVPR19 跟踪和检测挑战赛：有多拥挤？

    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

  • MOT16：多目标跟踪基准

    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

  • MOTChallenge：单目多目标跟踪基准测试

    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

  • MOTChallenge 2015：多目标跟踪基准的探索

    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

  • 追踪器的追踪：多目标追踪技术现状分析

    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

  • MT_IoT 团队多目标跟踪挑战技术报告

    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

  • GMOT-40：通用多目标跟踪基准

    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

  • SportsMOT：多场景多种运动的大规模多物体追踪数据集

    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

  • BoT-SORT: 鲁棒的多行人跟踪关联

    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

  • TrafficMOT：复杂交通场景下的多目标追踪挑战数据集

    多目标跟踪在交通视频中是一个关键的研究领域，通过利用先进的机器学习算法，可以提高交通监控的准确性并促进道路安全措施。然而，现有的交通视频多目标跟踪数据集通常具有有限的实例或专注于单个类别，无法很好地模拟复杂交通场景中遇到的挑战。为了填补这一空白，我们介绍了 TrafficMOT，一个广泛的数据集，旨在涵盖具有复杂场景的多种交通情况。通过使用三种不同的设置来验证 TrafficMOT 所呈现的复杂性和挑战：完全监督、半监督和最近强大的零样本基础模型 Tracking Anything Model（TAM）。实验结果突出了该数据集的内在复杂性，强调其在交通监控和多目标跟踪领域推动发展的价值。

    Nov, 2023