qdtrack:用于多对象跟踪的准密集相似性学习 源码

准密集跟踪 这是的纸质的正式实现。 我们介绍了一个,其中包含方法说明和跟踪可视化。 看一看! 如有任何疑问,请转到“ 。 抽象的 相似性学习已被认为是对象跟踪的关键步骤。 但是,现有的多目标跟踪方法仅使用稀疏地面真实匹配作为训练目标,而忽略了图像上的大多数信息区域。 在本文中,我们提出了“准密集相似性学习”,它在一对图像上密集采样了数百个区域提议以进行对比学习。 我们自然可以将这种相似性学习与现有的检测方法结合起来,以构建拟密跟踪(QDTrack),而无需进行位移回归或运动先验。 我们还发现,生成的独特特征空间在推理时允许进行简单的最近邻搜索。 尽管简单,但QDTrack的性能优于MOT,