目标跟踪又添重磅开源工具箱,MMTracking来了

作者:CV君

今天,香港中文大学多媒体实验室(MMLab)旗下开源组织 OpenMMLab 发布新成员:MMTracking,旨在促进目标跟踪领域的研究开发。

OpenMMlab旗下众多开源库如:MMCV, MMDetection,MMAction2等已经拥有众多用户,成为复现顶会论文、实现项目应用的重要工具。

MMTracking地址:

https://github.com/open-mmlab/mmtracking

演示效果:

目标跟踪又添重磅开源工具箱,MMTracking来了

此次OpenMMLab开源的 MMTracking 涵盖方向包括单目标跟踪、多目标跟踪、视频目标检测(Single Object Tracking (SOT), Multiple Object Tracking (MOT), Video Object Detection (VID)),既包含前沿算法的实现,又有成熟预训练模型可供直接使用。

特点:

  1. 官方称这是第一个统一的视频感知平台,将单目标、多目标跟踪和视频目标检测放在一个框架;
  2. 模块化设计,将视频感知框架分成不同模块,方便算法开发;
  3. 简单、快速、健壮。
  • 简单:与OpenMMLab其他开源库交互极其简单,尤其MMTracking与MMDetection浑然天成,只需修改配置文件即可切换检测器。
  • 快速:所有操作均在GPU上进行保证程序跑的快,甚至实现的算法相比其他开源库的实现,训练和测试都更快。
  • 健壮:作者实现了大量的state-of-the-art方法,其中不少算法甚至好于官方实现。

目前实现的算法:

视频目标检测:

DFF (CVPR 2017)

FGFA (ICCV 2017)

SELSA (ICCV 2019)

多目标跟踪:

SORT/DeepSORT (ICIP 2016,ICIP 2017)

Tracktor (ICCV 2019)

单目标跟踪:

SiameseRPN++ (CVPR 2019)

得益于OpenMMlab开源框架的高质量实现,官方称:

视频目标检测算法 SELSA 的实现结果相比于官方实现,在 ImageNet VID 数据集上 mAP@50 超出 1.25 个点。

多目标跟踪算法 Tracktor 的实现结果相比于官方实现,在 MOT17 数据集上 MOTA 超出 4.9 个点以及 IDF1 超出 3.3 个点。

单目标跟踪算法 SiameseRPN++ 的实现结果相比于官方实现,在 LaSOT 数据集上 Norm precision 超出 1.0 个点。

虽然目前实现算法还不是很多,但鉴于MMlab 强大的研发实力和社区号召力,相信对于做跟踪方向的朋友来说,MMTracking 是值得持续跟踪的开源库。

参考:https://zhuanlan.zhihu.com/p/341283833

转载请注明:《目标跟踪又添重磅开源工具箱,MMTracking来了