关于人工智能:目标跟踪又添重磅开源工具箱MMTracking来了

38次阅读

共计 1102 个字符,预计需要花费 3 分钟才能阅读完成。

编译 | CV 君
报道 | 我爱计算机视觉(微信 id:aicvml)

明天,香港中文大学多媒体实验室(MMLab)旗下开源组织 OpenMMLab 公布新成员:MMTracking,旨在促成指标跟踪畛域的钻研开发。

OpenMMlab 旗下泛滥开源库如:MMCV, MMDetection,MMAction2 等曾经领有泛滥用户,成为复现顶会论文、实现我的项目利用的重要工具。

MMTracking 地址:

https://github.com/open-mmlab…

演示成果:

此次 OpenMMLab 开源的 MMTracking 涵盖方向包含 单指标跟踪、多指标跟踪、视频指标检测(Single Object Tracking (SOT), Multiple Object Tracking (MOT), Video Object Detection (VID)),既蕴含前沿算法的实现,又有成熟预训练模型可供间接应用。

特点:

  1. 官网称这是第一个对立的视频感知平台,将单指标、多指标跟踪和视频指标检测放在一个框架;

  2. 模块化设计,将视频感知框架分成不同模块,不便算法开发;

  3. 简略、疾速、强壮。
  • 简略:与 OpenMMLab 其余开源库交互极其简略,尤其 MMTracking 与 MMDetection 浑然天成,只需批改配置文件即可切换检测器。
  • 疾速:所有操作均在 GPU 上进行保障程序跑的快,甚至实现的算法相比其余开源库的实现,训练和测试都更快。
  • 强壮:作者实现了大量的 state-of-the-art 办法,其中不少算法甚至好于官网实现。

目前实现的算法:

视频指标检测:

DFF(CVPR 2017)

FGFA(ICCV 2017)

SELSA (ICCV 2019)

多指标跟踪:

SORT/DeepSORT(ICIP 2016,ICIP 2017)

Tracktor(ICCV 2019)

单指标跟踪:

SiameseRPN++ (CVPR 2019)

得益于 OpenMMlab 开源框架的高质量实现,官网称:

视频指标检测算法 SELSA 的实现后果相比于官网实现,在 ImageNet VID 数据集上 mAP@50 超出 1.25 个点。

多指标跟踪算法 Tracktor 的实现后果相比于官网实现,在 MOT17 数据集上 MOTA 超出 4.9 个点以及 IDF1 超出 3.3 个点。

单指标跟踪算法 SiameseRPN++ 的实现后果相比于官网实现,在 LaSOT 数据集上 Norm precision 超出 1.0 个点。

尽管目前实现算法还不是很多,但鉴于 MMlab 弱小的研发实力和社区号召力,置信对于做跟踪方向的敌人来说,MMTracking 是值得继续跟踪的开源库。

参考:https://zhuanlan.zhihu.com/p/…

正文完
 0