ByteTrack: Multi-Object Tracking durch Assoziation jeder Detektionsbox

Multi-Objekt-Verfolgung (MOT) zielt darauf ab, die Bounding-Boxes und Identitäten von Objekten in Videos zu schätzen. Die meisten Methoden ermitteln die Identitäten durch die Zuordnung von Detektionsboxen, deren Score über einer vorgegebenen Schwelle liegt. Objekte mit niedrigen Detektionsscores, beispielsweise durch Verdeckung beeinträchtigte Objekte, werden einfach verworfen, was zu einer nicht vernachlässigbaren Anzahl an verpassten echten Objekten und fragmentierten Trajektorien führt. Um dieses Problem zu lösen, präsentieren wir eine einfache, effektive und generische Zuordnungsmethode, bei der nahezu jede Detektionsbox – anstelle nur der Boxen mit hohem Score – zur Verfolgung herangezogen wird. Für Detektionsboxen mit niedrigem Score nutzen wir deren Ähnlichkeit mit Tracklets, um echte Objekte wiederherzustellen und Hintergrunddetektionen zu filtern. Angewandt auf neun verschiedene state-of-the-art-Tracker erzielt unsere Methode konsistente Verbesserungen des IDF1-Scores zwischen 1 und 10 Punkten. Um die aktuell beste Leistung in der MOT zu erreichen, entwickeln wir einen einfachen, aber leistungsstarken Tracker namens ByteTrack. Zum ersten Mal erreichen wir auf dem Testset von MOT17 eine MOTA von 80,3, ein IDF1 von 77,3 und eine HOTA von 63,1 bei einer Laufzeit von 30 FPS auf einer einzelnen V100-GPU. ByteTrack erzielt zudem state-of-the-art-Ergebnisse auf den Tracking-Benchmarks MOT20, HiEve und BDD100K. Der Quellcode, vortrainierte Modelle mit Bereitstellungsversionen sowie Anleitungen zur Integration in andere Tracker sind unter https://github.com/ifzhang/ByteTrack veröffentlicht.