融合视频目标检测与单目标、多目标跟踪，港中文开源一体化视频感知平台 MMTracking
点击上方“AI算法与图像处理”，选择加"星标"或“置顶”
重磅干货，第一时间送达
来源：机器之心 编辑：魔王
香港中文大学多媒体实验室（MMLab）OpenMMLab 开源一体化视频目标感知平台 MMTracking。
视频目标检测只需对视频内的每一帧进行检测，不要求对不同帧中的同一目标进行关联。
多目标检测在完成视频目标检测的基础上，更加侧重于对视频内的同一目标进行关联。
单目标跟踪更加侧重人机交互，算法需要在给定一个任意类别、任意形状目标的情况下，对其进行持续跟踪。
import torch.nn as nnfrom mmdet.models import build_detectorclass BaseMultiObjectTracker(nn.Module):def __init__(self,detector=None,reid=None,tracker=None,motion=None,pretrains=None):self.detector = build_detector(detector)...model = dict(type='BaseMultiObjectTracker',detector=dict(type='FasterRCNN', **kwargs),reid=dict(type='BaseReID', **kwargs),motion=dict(type='KalmanFilter', **kwargs),tracker=dict(type='BaseTracker', **kwargs))视频目标检测：DFF、FGFA、SELSA
多目标跟踪：SORT、DeepSORT、Tracktor
单目标跟踪：SiameseRPN++
对视频目标检测算法 SELSA 的实现结果（第一行）相比于官方实现（第二行），在 ImageNet VID 数据集上 mAP@50 超出 1.25 个点。
对多目标跟踪算法 Tracktor 的实现结果（第一行）相比于官方实现（第二行），在 MOT17 数据集上 MOTA 超出 4.9 个点，IDF1 超出 3.3 个点。
对单目标跟踪算法 SiameseRPN++ 的实现结果（第一行）相比于官方实现（第二行），在 LaSOT 数据集上的 Norm precision 超出 1.0 个点。
下载1：何恺明顶会分享
在「AI算法与图像处理」公众号后台回复：何恺明，即可下载。总共有6份PDF，涉及 ResNet、Mask RCNN等经典工作的总结分析
下载2：终身受益的编程指南：Google编程风格指南
在「AI算法与图像处理」公众号后台回复：c++，即可下载。历经十年考验，最权威的编程规范！
下载3 CVPR2020 在「AI算法与图像处理」公众号后台回复：CVPR2020，即可下载1467篇CVPR 2020论文 个人微信（如果没有备注不拉群！） 请注明：地区+学校/企业+研究方向+昵称
觉得不错就点亮在看吧
评论