【文件属性】：
文件名称：qdtrack：用于多对象跟踪的准密集相似性学习
文件大小：1.1MB
文件格式：ZIP
更新时间：2021-02-14 17:26:53
Python
准密集跟踪
这是的纸质的正式实现。
我们介绍了一个，其中包含方法说明和跟踪可视化。 看一看！
如有任何疑问，请转到“ 。
抽象的
相似性学习已被认为是对象跟踪的关键步骤。 但是，现有的多目标跟踪方法仅使用稀疏地面真实匹配作为训练目标，而忽略了图像上的大多数信息区域。 在本文中，我们提出了“准密集相似性学习”，它在一对图像上密集采样了数百个区域提议以进行对比学习。 我们自然可以将这种相似性学习与现有的检测方法结合起来，以构建拟密跟踪（QDTrack），而无需进行位移回归或运动先验。 我们还发现，生成的独特特征空间在推理时允许进行简单的最近邻搜索。 尽管简单，但QDTrack的性能优于MOT，BDD100K，Waymo和TAO跟踪基准上的所有现有方法。 在不使用外部训练数据的情况下，它在MOT17上以20.3 FPS时可达到68.7 MOTA。 与具有类似检测器的方法相比，它可将MOTA提
【文件预览】：
qdtrack-master
----figures()
--------teaser.png(1.06MB)
----docs()
--------INSTALL.md(1KB)
--------GET_STARTED.md(5KB)
----tools()
--------test.py(6KB)
--------train.py(6KB)
--------dist_train.sh(247B)
--------convert_datasets()
--------slurm_test.sh(566B)
--------slurm_train.sh(574B)
--------dist_test.sh(272B)
----LICENSE(11KB)
----qdtrack()
--------models()
--------core()
--------__init__.py(92B)
--------apis()
--------VERSION(6B)
--------utils()
--------version.py(137B)
--------datasets()
----setup.cfg(397B)
----configs()
--------qdtrack-frcnn_r50_fpn_12e_bdd100k.py(8KB)
----requirements.txt(58B)
----setup.py(3KB)
----.gitignore(1KB)
----README.md(3KB)
----.pre-commit-config.yaml(953B)