目标检测和数据关联是多目标跟踪系统的关键组成部分。尽管这两个组件高度依赖于彼此,但MOT中的一个流行趋势是将检测和数据关联作为单独的模块执行,并按级联顺序处理。由于这种级联过程,所生成的MOT系统只能执行前向推理,而不能将错误反向传播到整个管道并进行纠正。这导致整个管道的性能低于最佳水平。为了解决这个问题,最近的工作联合优化了检测和数据关联,并形成了一个综合的MOT方法,已被证明提高了检测和跟踪的性能。为此,我们提出了一种基于图神经网络(GNNs)的联合MOT方法。该方法的关键思想是,GNNs能够在空间和时间域内显式地建模多个目标之间的复杂交互,这对于学习识别特征进行检测和数据关联至关重要。我们还利用了运动特征与外观特征一起使用时对MOT有用这一事实。因此,我们提出的联合MOT方法也将外观和运动特征纳入我们的基于图的特征学习框架,从而使MOT更好地学习特征。在MOT挑战数据集上的大量实验表明,我们提出的方法在目标检测和MOT检测上都取得了最先进的性能。

成为VIP会员查看完整内容
54

相关内容

图神经网络 (GNN) 是一种连接模型,它通过图的节点之间的消息传递来捕捉图的依赖关系。与标准神经网络不同的是,图神经网络保留了一种状态,可以表示来自其邻域的具有任意深度的信息。近年来,图神经网络(GNN)在社交网络、知识图、推荐系统、问答系统甚至生命科学等各个领域得到了越来越广泛的应用。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【ACL2020】基于图神经网络的文本分类新方法
专知会员服务
68+阅读 · 2020年7月12日
【CVPR2020-谷歌】多目标(车辆)跟踪与检测框架 RetinaTrack
专知会员服务
43+阅读 · 2020年4月10日
近期必读的5篇AI顶会CVPR 2020 GNN (图神经网络) 相关论文
专知会员服务
78+阅读 · 2020年3月3日
近期必读的5篇 WSDM 2020【图神经网络(GNN)】相关论文
专知会员服务
56+阅读 · 2020年1月10日
深度学习视频中多目标跟踪:论文综述
专知会员服务
89+阅读 · 2019年10月13日
视频中的多目标跟踪【附PPT与视频资料】
人工智能前沿讲习班
30+阅读 · 2018年11月29日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
30+阅读 · 2017年12月27日
OD-GCN: Object Detection by Knowledge Graph with GCN
Arxiv
4+阅读 · 2019年9月30日
Mesh R-CNN
Arxiv
4+阅读 · 2019年6月6日
DPOD: Dense 6D Pose Object Detector in RGB images
Arxiv
5+阅读 · 2019年2月28日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
7+阅读 · 2017年12月26日
VIP会员
微信扫码咨询专知VIP会员