StrongSORT : Rendre DeepSORT performant une fois encore

Récemment, le suivi d'objets multiples (Multi-Object Tracking, MOT) a suscité un intérêt croissant, entraînant des progrès significatifs. Toutefois, les méthodes existantes ont tendance à s'appuyer sur divers modèles de base (par exemple, détecteurs et modèles d'embeddings), ainsi que sur des techniques variées d'entraînement ou d'inférence. En conséquence, la construction d'une base de référence solide permettant des comparaisons équitables s'avère essentielle. Dans cet article, un suiveur classique, à savoir DeepSORT, est d'abord réexaminé, puis amélioré de manière significative sous plusieurs aspects : détection d'objets, embedding de caractéristiques et association de trajectoires. Le suiveur proposé, nommé StrongSORT, apporte ainsi une base de référence robuste et équitable pour la communauté MOT. Par ailleurs, deux algorithmes légers et facilement intégrables sont proposés afin de résoudre deux problèmes inhérents au MOT : l'association manquante et la détection manquante. Plus précisément, contrairement à la plupart des méthodes qui associent des courtes trajectoires (tracklets) en trajectoires complètes à un coût computationnel élevé, nous proposons un modèle d'association sans information d'apparence, appelé AFLink, permettant une association globale sans recourir à des caractéristiques visuelles, tout en offrant un bon compromis entre rapidité et précision. En outre, nous introduisons une interpolation lissée par une gaussienne (Gaussian-smoothed interpolation, GSI), fondée sur la régression par processus gaussien, afin de pallier les défaillances de détection. AFLink et GSI peuvent être facilement intégrés à divers suiveurs avec un coût computationnel négligeable (respectivement 1,7 ms et 7,1 ms par image sur MOT17). Enfin, en combinant StrongSORT avec AFLink et GSI, le suiveur final (StrongSORT++) atteint des performances de pointe sur plusieurs benchmarks publics, à savoir MOT17, MOT20, DanceTrack et KITTI. Le code est disponible à l'adresse suivante : https://github.com/dyhBUPT/StrongSORT et https://github.com/open-mmlab/mmtracking.