双匹配注意网络驱动的在线多目标跟踪

"基于双匹配注意网络的在线多目标跟踪方法是Ji Zhu等人提出的一种融合单目标跟踪和数据关联的新型在线MOT技术。该方法旨在解决在复杂环境中目标跟踪和身份保持的问题，尤其针对噪声检测和目标交互的挑战。文章由上海交通大学、Visbody Inc、西北工业大学、麻省理工学院、加州大学伯克利分校和谷歌公司的研究人员共同完成。 在在线多目标跟踪（MOT）领域，传统的离线和在线方法各有优劣。离线MOT虽能利用更多信息生成轨迹，但不适合实时任务；在线MOT则受限于仅使用当前帧信息，对目标检测的依赖性较高，易受检测质量影响。为此，本文提出的双匹配注意力网络（DMAN）旨在改善这一现状。 DMAN包含空间注意力模块和时间注意力模块。空间注意力模块通过生成双注意力图，使网络聚焦于图像对中的匹配模式，从而有效识别目标。时间注意力模块则动态调整不同轨迹片段中的样本关注度，以降低噪声观测的影响。这种方法不仅强化了模型对难例的处理能力，还能自适应地应对遮挡和目标漂移等问题。 文章通过实验验证了DMAN在MOT基准数据集上的性能，特别是在身份保持指标上表现优异，优于其他在线和离线跟踪器。关键词包括多目标跟踪、代价敏感跟踪损失和双匹配注意网络，强调了该方法的核心技术与研究重点。 该研究提出了一种创新的在线MOT解决方案，通过集成先进的单目标跟踪和数据关联策略，提高了在复杂视觉场景下的目标跟踪效果，具有重要的理论价值和实际应用潜力。"