本研究は、従来の「検出に基づく追跡（tracking-by-detection）」の枠組みを、任意のオブジェクトを追跡するタスクへと拡張した。まず、TAOデータセットから信頼性の高い検出結果を抽出する。その際、最新の技術として、\textbf{B}alanced-\textbf{G}roup \textbf{S}oftmax（\textbf{BAGS}\cite{li2020overcoming}）やDetectoRS\cite{qiao2020detectors}を検出プロセスに統合した。次に、任意のオブジェクトを表現するための外見特徴を学習するために、特徴学習ネットワークを訓練した。検出性能および特徴表現の精度を向上させるために、複数のモデルをアンサンブルした。最終的に、最も類似した外見特徴に基づく単純なリンク戦略と、トラックレットレベルでの後処理連携モジュールを適用し、最終的な追跡結果を生成した。本手法は、コンペティションウェブサイトにて \textbf{AOA} として提出された。コードは https://github.com/feiaxyt/Winner_ECCV20_TAO にて公開されている。