- …
- …
#721
summarized by : yoshiki miyazawa
どんな論文か？
SOTメソッドをMOTモデルに導入する。従来のRe-ID特徴ではオフライン学習に基づき追跡するのに対し、提案手法ではオンライン学習を通じてよりロバストな追跡を実現できる。また、提案手法の実装は、CenterNetにSOTブランチを追加するというシンプルな方法で実現されている。SOT学習では、追跡対象と周辺の検出矩形だけを峻別し背景を除くことで、高速なオンライン学習を実現する。
新規性
MOTにSOTを導入する手法は、従来法として幾つか紹介されている。検出器が前景とみなすものだけをオンライン学習の対象として、オンライン学習を高速化することで、高性能かつ高速実行を実現した点。
結果
MOT17で16FPSを可能としながら、MOTA 0.71, IDF1 0.719を達成した。また、MOT20では、MOTA 0.686, IDF1 0.714を達成した。MOT16, 17, 20の全てにおいて、FairMOTよりも優れたMOTAとIDF1を達成している。また、FPSはFairMOTに僅かに劣るものの、バックボーンやSOTモデルの改善で対応できると著者らは考えている。
その他（なぜ通ったか？等）
手法が非常にシンプルであることと、代表的なMOTモデルのFairMOTに対し同等以上の性能を達成できた点が大きいと考えられる。また、MOTの主流であるRe-ID特徴とは異なるアプローチである点も重要であると考えられる。
- …
- …