FairMOT，一種快速追蹤影片中多個物件的系統

微軟和華中大學研究人員 發達 一種使用機器學習技術追蹤影片中多個物件的新型高效能方法—FairMOT（公平多物件追蹤）。 基於 Pytorch 和訓練模型的方法實作程式碼 發表 - GitHub。

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（DCNv2，可變形卷積網路），它可以讓您實現物件追蹤速度的顯著提高。 FairMOT 在沒有錨點的情況下工作，使用重新識別機制來確定高精度物件地圖上物件中心的偏移量。 同時，執行處理器來評估可用於預測其身分的物件的各個特徵，並且主模組執行這些特徵的收斂以操縱不同尺度的物件。

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 2DMOT15, 莫特16, 莫特17 и 莫特20項目提供的 MOT 挑戰 並涵蓋不同的情況、攝影機的移動或旋轉、不同的視角。 測試表明
費爾莫特 超越 最快的競爭型號 TrackRCNN и 傑德 在每秒 30 幀的視訊串流上進行測試時，表現出足以動態分析常規視訊串流的效能。

來源： opennet.ru