DanceTrack: Multi-Object Tracking in Uniform Appearance and Diverse Motion

论文地址: https://arxiv.org/abs/2111.14690
代码地址: https://github.com/DanceTrack/DanceTrack
作者单位:香港大学，CMU，总部
已有的MOT数据集虽然有很多遮挡，但运动是规律的，只使用IoU匹配都能获得最好的性能，这显然无法准确评估跟踪器的性能。遮挡和相似仍是制约算法性能的主要因素

摘要
多目标跟踪的常用做法是使用检测器定位位置，使用Re-ID进行关联。这条流水线在受益于最近目标检测和Re-ID的进展，部分来自于已有数据集的偏见(场景不够丰富)，它们中大多数物体都有显著可分的特征，只使用Re-ID提取的特征就能很好的做目标关联。为了处理这些偏见，我们认为多目标方法更应该聚焦在那些没有什么可区分特征的目标上。因此我们提出了一个名为DanceTrack的大规模多人跟踪数据集，它们有相似的外观和多样的运动。我们希望DanceTrack能为多目标跟踪算法提供更好的评估基准，促使算法减少对外观特征的依赖，更多的提升运动分析的能力。我们评估了几个最好性能的跟踪器，和

DanceTrack: Multi-Object Tracking in Uniform Appearance and Diverse Motion最先出现在Python成神之路。