微軟和華中大學研究人員
大多數現有的物件追蹤方法使用兩個階段,每個階段由單獨的神經網路實現。 第一階段運行一個模型來確定感興趣對象的位置,第二階段使用關聯搜尋模型來重新識別物件並將錨點附加到它們上。
FairMOT 使用基於可變形卷積神經網路的單階段實現(
為了在 FairMOT 中訓練模型,結合使用了用於人員檢測和搜尋的六個公共資料集(ETH、CityPerson、CalTech、MOT17、CUHK-SYSU)。 使用影片測試集測試模型
費爾莫特
來源: opennet.ru
微軟和華中大學研究人員
大多數現有的物件追蹤方法使用兩個階段,每個階段由單獨的神經網路實現。 第一階段運行一個模型來確定感興趣對象的位置,第二階段使用關聯搜尋模型來重新識別物件並將錨點附加到它們上。
FairMOT 使用基於可變形卷積神經網路的單階段實現(
為了在 FairMOT 中訓練模型,結合使用了用於人員檢測和搜尋的六個公共資料集(ETH、CityPerson、CalTech、MOT17、CUHK-SYSU)。 使用影片測試集測試模型
費爾莫特
來源: opennet.ru