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：
-
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；
-
模块化设计，将视频感知框架分成不同模块，不便算法开发；
- 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/…