FairMot算法重點突破

a. 比起之前兩步（先檢測后Re-ID）的追蹤算法，FairMot完成檢測與Re-ID共享網絡參數，減少算法推理時間，速度大幅度提升。

b. 比起之前單步的追蹤算法JDE[12]，存在的一些不足，如：一個物體可能被多個anchor負責并進行檢測，或實際物體的中心可能與負責對該物體進行檢測的anchor中心有偏差，都會導致id頻繁變換。Fairmot針對這些不足，不用anchor-based的檢測方式，以anchor-free目標檢測范式代替。

涉及到的核心知識點：一個有效簡潔的網絡結構DLA34、Kalman Filter、iou與余弦距離、Hungarian Algorithm。下面詳細介紹DLA34網絡，至于Kalman，Distance Metrixes， Hungarian Algorithm同Deep Sort的內容一致，這里不多做解釋。FairMot旨在將檢測與Re-ID揉在一個網絡結構里，且需要是anchor-free的目標檢測方式，所以DLA34網絡結構必需要預估目標中心點的位置和對應目標的features。

網絡

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。