BoostTrack++: استخدام معلومات المسار للكشف عن عدد أكبر من الكائنات في التتبع متعدد الكائنات

تعتمد تتبع الكائنات المتعددة (MOT) بشكل كبير على اختيار مربعات حدودية مُكتشفة صحيحة (true positive). ومع ذلك، يتم في الغالب تجاهل هذه الجوانب أو تخفيفها من خلال استخدام ترابط ثنائي المراحل واستخدام اكتشافات ذات ثقة منخفضة في المرحلة الثانية. حاولت الطريقة المقترحة حديثًا، BoostTrack، تجنب عيوب النهج القائم على الترابط متعدد المراحل واستخدام اكتشافات منخفضة الثقة من خلال تطبيق تحسين لثبات الكشف (detection confidence boosting). في هذه الورقة، نحدد القيود المرتبطة بتحسين الثقة المستخدم في BoostTrack، ونقترح طريقة لتحسين أدائها. ولبناء قياس تشابه أكثر ثراءً وتمكين اختيار أفضل للاكتشافات الصحيحة، نقترح استخدام مزيج من الشكل (shape)، ومسافة ماهالانوبيس (Mahalanobis distance)، وقياس تشابه جديد يُعرف بـ soft BIoU. كما نقترح تقنية جديدة لتحسين ثقة الكشف بشكل لين (soft detection confidence boost)، والتي تحسب درجات ثقة جديدة بناءً على قياس التشابه والدرجات السابقة للثقة، ونُدخل حدودًا متغيرة لقياس التشابه لمعالجة الحالات التي تكون فيها درجات التشابه منخفضة بين الكشفات وسلاسل التتبع (tracklets) التي لا تُحدّث بشكل منتظم. تُعد الإضافات المقترحة مستقلة بذاتها ويمكن استخدامها في أي خوارزمية تتبع كائنات متعددة.عند دمجها مع الأساس (baseline) BoostTrack+، تحقق طريقة لدينا نتائج قريبة من أفضل النتائج الحالية على مجموعة بيانات MOT17، وتحقيق أفضل نتائج حالية على معايير HOTA وIDF1 على مجموعة بيانات MOT20.كود المصدر متاح على: https://github.com/vukasin-stanojevic/BoostTrack.