Towards-Realtime-MOT:联合检测和嵌入，用于快速多目标跟踪

【文件属性】：
文件名称：Towards-Realtime-MOT:联合检测和嵌入，用于快速多目标跟踪
文件大小：6.46MB
文件格式：ZIP
更新时间：2021-05-24 13:02:35
tracking tracking-by-detection multiple-object-tracking multi-object-tracker multi-pedestrian-tracking 迈向实时MOT 消息： [2020.07.14]我们的论文被ECCV 2020接受！ [2020.01.29]上传了更多模型！ 最快的速度约为38 FPS！ 。 [2019.10.11]培训和评估数据已上传！ 有关详细信息，请参见 。 [2019.10.01]演示代码和预训练模型发布了！ 介绍 此存储库是联合检测和嵌入（JDE）模型的代码库。 JDE是一种快速，高性能的多对象跟踪器，可以在共享的神经网络中同时学习对象检测任务和外观嵌入任务。 技术细节在进行了描述。 通过使用此存储库，您可以在的“私有”协议上简单地实现MOTA 64％+ ，并且接近实时速度为22〜38 FPS （请注意，该速度适用于整个系统，包括检测步骤！）。 我们希望此回购协议将有助于研究/工程师开发更实用的MOT系统。 对于算法开发，我们提供了训练数据，基线模型和评估方法，以构建一个水平的游乐场。 对于应用程

【文件预览】：
Towards-Realtime-MOT-master
----cfg()
--------yolov3_1088x608.cfg(9KB)
--------ccmcpe.json(591B)
--------yolov3_576x320.cfg(9KB)
--------yolov3_864x480.cfg(9KB)
----docker()
--------Dockerfile(212B)
----train.py(9KB)
----utils()
--------evaluation.py(4KB)
--------utils.py(22KB)
--------datasets.py(15KB)
--------parse_config.py(1KB)
--------log.py(510B)
--------visualization.py(3KB)
--------timer.py(1KB)
--------io.py(4KB)
--------kalman_filter.py(10KB)
--------syncbn()
----extract_ped_per_frame.py(4KB)
----test.py(10KB)
----models.py(17KB)
----LICENSE(1KB)
----assets()
--------MOT16-03.gif(1.76MB)
--------000011-00001.gif(1.42MB)
--------MOT16-14.gif(1.59MB)
--------IMG_0055.gif(1.44MB)
----DATASET_ZOO.md(7KB)
----demo.py(4KB)
----README.md(6KB)
----track.py(9KB)
----data()
--------caltech.train(1.03MB)
--------mot19.train(401KB)
--------mot17.train(254KB)
--------prw.train(156KB)
--------eth.train(80KB)
--------caltech.val(1.15MB)
--------cuhksysu.val(55KB)
--------prw.val(55KB)
--------caltech.10k.val(395KB)
--------cuhksysu.train(300KB)
--------citypersons.train(176KB)
--------citypersons.val(31KB)
----.gitignore(1KB)
----tracker()
--------basetrack.py(1005B)
--------__init__.py(0B)
--------matching.py(4KB)
--------multitracker.py(16KB)