FairMot算法重点突破
【摘要】 a. 比起之前两步(先检测后Re-ID)的追踪算法,FairMot完成检测与Re-ID共享网络参数,减少算法推理时间,速度大幅度提升。b. 比起之前单步的追踪算法JDE[12],存在的一些不足,如:一个物体可能被多个anchor负责并进行检测,或实际物体的中心可能与负责对该物体进行检测的anchor中心有偏差,都会导致id频繁变换。Fairmot针对这些不足,不用anchor-based的检...
a. 比起之前两步(先检测后Re-ID)的追踪算法,FairMot完成检测与Re-ID共享网络参数,减少算法推理时间,速度大幅度提升。
b. 比起之前单步的追踪算法JDE[12],存在的一些不足,如:一个物体可能被多个anchor负责并进行检测,或实际物体的中心可能与负责对该物体进行检测的anchor中心有偏差,都会导致id频繁变换。Fairmot针对这些不足,不用anchor-based的检测方式,以anchor-free目标检测范式代替。
涉及到的核心知识点:一个有效简洁的网络结构DLA34、Kalman Filter、iou与余弦距离、Hungarian Algorithm。下面详细介绍DLA34网络,至于Kalman,Distance Metrixes, Hungarian Algorithm同Deep Sort的内容一致,这里不多做解释。FairMot旨在将检测与Re-ID揉在一个网络结构里,且需要是anchor-free的目标检测方式,所以DLA34网络结构必需要预估目标中心点的位置和对应目标的features。FairMot的网络结构图如下:
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)