一文看盡7篇目標跟蹤最新論文（ABCTracker/MAST/L1DPF-M等）
- 2020 年 2 月 25 日
- 筆記
前言
恰逢 2020年，本文再次更新近期值得關注的最新目標跟蹤論文。這次分享的paper將同步推送到 github上，歡迎大家 star/fork（點擊閱讀原文，也可直接訪問）：
https://github.com/amusi/daily-paper-computer-vision
注意事項：
- 既含ABCTracker網路，還有SiamFC++等開源網路
- 論文發布時間段：2019年12月31日-2020年02月19日
- 文末附7篇目標跟蹤論文合集下載鏈接
目標跟蹤論文&項目
【1】曠視Detection組開源：影片理解演算法庫（含單目標跟蹤SOT、影片目標分割VOS等）
【Video Analyst】這是一系列對影片理解有用的基本演算法的實現（基於PyTorch），包括單目標跟蹤（SOT，Single Object Tracking），影片目標分割（VOS，Video Object Segmentation）等。
【當前實現列表】單目標跟蹤： – SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines – 論文鏈接：https://arxiv.org/abs/1911.06188 – SiamFC++是浙江大學和曠視提出的目標跟蹤論文（收錄於AAAI 2020），速度高達90FPS，表現SOTA！
註：因為該項目剛出來沒多久，所以支援的演算法還不是很多，後面應該會陸續更新，大家可以關注一波
項目鏈接：https://github.com/MegviiDetection/video_analyst
SiamFC++
【2】L1DPF-M：整合正則化l1跟蹤和實例分割以進行影片目標跟蹤
《Integration of Regularized l1 Tracking and Instance Segmentation for Video Object Tracking》
時間：20200102
作者團隊：伊斯坦布爾科技大學
鏈接：https://arxiv.org/abs/1912.12883
程式碼（未放源碼）：
https://github.com/msprITU/L1DPFM
註：L1DPF-M目標跟蹤新網路，其性能優於SiamRPN、TCNN等網路，即將開源！
【3】姿態輔助多攝像機協作以進行主動目標跟蹤
《Pose-Assisted Multi-Camera Collaboration for Active Object Tracking》
時間：20200118
作者團隊：北京大學&北京電影學院&上交&深睿醫療
主頁：https://sites.google.com/view/pose-assistedcollaboration
鏈接：https://arxiv.org/abs/2001.05161
註：性能表現SOTA，優於DaSiam、BACF和RLD等網路
Overview
【4】ABCTracker：易於使用的基於雲的應用程式，用於跟蹤多個對象
《ABCTracker: an easy-to-use, cloud-based application for tracking multiple objects》
時間：20200129
作者團隊：北卡羅來納大學夏洛特分校&亞利桑那大學
主頁：https://abctracker.org/
鏈接：https://arxiv.org/abs/2001.10072
註：ABC Tracker是一種免費，簡單且有效的多目標跟蹤工具，現開放下載和使用（支援螞蟻、蜜蜂等對象的目標跟蹤）
【5】Flow-Fuse-Tracker：通過光流和融合進行多目標跟蹤
《Multiple Object Tracking by Flowing and Fusing》
時間：20200131
作者團隊：CMU&西安交通大學&復旦大學等
鏈接：https://arxiv.org/abs/2001.11180
註：在MOT17等數據集上表現SOTA！優於Tracktor、LSSTO和FAMNet等網路
【6】OA-LSTM-ADA：目標自適應LSTM網路，用於對抗性數據增強的實時目標跟蹤
《Object-Adaptive LSTM Network for Real-time Visual Tracking with Adversarial Data Augmentation》
時間：20200210
作者團隊：廈門大學&清華大學等
鏈接：https://arxiv.org/abs/2002.02598
註：一種新的實時視覺跟蹤方法，採用目標自適應LSTM網路來有效地捕獲影片序列依存關係並自適應地學習目標外觀變化，表現SOTA！
【7】MAST：具有記憶增強功能的自監督目標跟蹤器
《MAST: A Memory-Augmented Self-Supervised Tracker》
時間：20200219
作者團隊：牛津大學VGG組
鏈接：https://arxiv.org/abs/2002.07793
程式碼（即將開源）：https://github.com/zlai0/MAST
註：自監督目標跟蹤新網路，表現SOTA！性能優於UVC、CorrFlow和CycleTime等網路，且接近監督類跟蹤網路，程式碼即將開源！
