Abstract
测试的计算量不会随着随着object的增加而增加。
设计了一个Frame-wise Motion and Appearance (FMA), computes the Frame-wise Motion Fields (FMF) between two frames
As auxiliary information is used to fix uncertain matches, Frame-wise Appearance Features (FAF) are learned in parallel with FMFs。
即FMA计算得到的FMF用于matching;FAF用于修正一些不确定的matches。
然后是一个real-time的方法。
Intro
不仅提出FMF\FAF而且还提出一个高效的inference方法连接objects。,并且用FAF修正一些不明确的associations
25fps
Method
FMF
FMF的GT计算如下
如Fig2里一样,我们会如式子(1)(2)里一样计算双向的motion vectors。这样不仅稳定还能处理以下状况:
FMF可以同时计算multiple objects。用一个MSE loss约束
FAF
当objects are crowed的时候,会出现不好拟合的情况。所以FAF会通过FMF找到一些bbox,然后用Re-IDd方法验证id。
给出两帧的bbox,会先crop出patches from FAF,然后计算二者的相似度。
训练的时候,同一个object的croppped feature会concatenate为positive samples,不同的object会conat为negative samples。正负比为4:1
Inference Algorithm
IOU(-)代表track里上一个detection的bbox和下一帧里候选框的IOU
SIM(-)代表track里上一个detection的bbox和下一帧里候选框的appearance similarities
所以Inference步骤是:
1:关联前一帧的tracks到后一帧
2:关联后一帧的tracks到前一帧
3:把剩下的tracks和detections用FAF关联
来源:CSDN
作者:Rlin_by
链接:https://blog.csdn.net/Rlin_by/article/details/104460954