目标跟踪综合知识

基本指标

  • GT:Ground Truth是指真实的标签或真实的对象
  • TP:真正(True Positive)是指被模型预测为正的正样本
  • TN:真负(True Negative)是指被模型预测为负的负样本。
  • FP:假正(False Positive)是指被模型预测为正的负样本,也称为误检。
  • FN:假负(FALSE Negative)是指被模型预测为负的正样本,也称为漏检。
  • Accuracy:准确度是分类正确的例子占总数的比例:

Accuracy = (TP + TN) / (TP + FN + FP + FN)

  • Precision:精确度是指被分类器判定的正例中真正的正例样本的比重:

Precision = TP / (TP + FP)

  • Recall:召回率是指被分类器正确判定的正例占总的正例的比重:

Recall = TP / (TP + FN

评价指标

1. MOTA(Multiple Object Tracking Accuracy)

多目标跟踪任务中最常用的一个综合评价指标。

FN为False Negative,FP为False Positve,IDSW为ID Switch,即ID切换次数,GT是Ground Truth,表示的是物体的数量。

MOTA能非常直观地衡量跟踪器在检测物体和保持轨迹时的性能,与目标检测精度无关。它的取值一般小于1,当跟踪器产生的错误超过了场景中的物体时,MOTA就会变为负数

2. MOTP(Multiple Object Tracking Precision)

衡量跟踪的位置误差,其中t表示第t帧, c_t表示第t帧中预测轨迹和GT轨迹成功匹配上的数目, d_ti表示t帧中第i个匹配对的距离。

如果是通过IOU度量,那么MOTP是越大越好,但如果使用欧氏距离进行度量,那么MOTP就越小越好.

MOTP这个指标相比于评估跟踪效果,更注重检测质量。

3. IDF1(ID F1 Score)

是评估多目标跟踪算法在跟踪对象身份方面的准确性 的指标。它综合考虑了检测和关联的准确性,以衡量正确关联目标所产生的F1分数。

IDP其实就是ID+Precision,这里的IDP其实就是把每个ID当作单独的一类去计算Precision,同理,IDR则对应ID+Recall,IDF1则对应ID+F1 score

4. FN(False Negatives)

漏检数,即未被跟踪算法检测到的真实目标数量。FN越低,说明漏检率越低。

5. FP(False Positives)

假阳性数,即被跟踪算法错误地分配给不存在的目标的数量。FP越低,说明假阳性率越低。

6. MT(Mostly Tracked)

成功跟踪的帧数占总帧数的80%以上的GT轨迹数量

7. ML(Mostly Lost)

成功跟踪的帧数占总帧数的20%以下的GT轨迹数量

8. Fragments

碎片轨迹的数量

相关数据集

MOTChallenge,MOT15/16/17/20等, 2D MOT

自动驾驶数据集,包括 KITTInuScenesWaymo Open Dataset

前沿论文网站

nuScenes tracking task

kitti tracking

paperwithcode: 3D Multi-Object Tracking

paper

多目标跟踪-PaperReding_you only need two detectors to achieve multi-modal-CSDN博客

视觉雷达融合的多目标跟踪论文汇总_strongfusionmot: a multi-object tracking method ba-CSDN博客

多目标跟踪MOT技术总结(持续更新)_目标跟踪mota对比-CSDN博客

相关推荐
Ayakanoinu2 天前
【论文阅读】Dynamic Adversarial Patch for Evading Object Detection Models
论文阅读·目标检测·目标跟踪
量子-Alex4 天前
顶刊【遥感目标检测】【TGRS】FFCA-YOLO遥感图像小目标检测
yolo·目标检测·目标跟踪
量子-Alex7 天前
【遥感小目标数据集】【AI-TOD】Tiny Object Detection in Aerial Images
人工智能·目标检测·目标跟踪
Chukai12310 天前
目标检测中归一化的目的?
人工智能·目标检测·目标跟踪
卧式纯绿12 天前
目标检测20年(二)
人工智能·深度学习·算法·yolo·目标检测·机器学习·目标跟踪
reset202112 天前
基于深度学习的目标追踪技术全解析
人工智能·深度学习·目标跟踪
卧式纯绿14 天前
目标检测20年(一)
人工智能·yolo·目标检测·机器学习·计算机视觉·目标跟踪
RockLiu@80515 天前
探索 CoordGate:空间注意力机制的新视角
人工智能·计算机视觉·目标跟踪
mozun202016 天前
YOLOv1到YOLOv12发展概述2025.3.17
人工智能·yolo·目标跟踪·单阶段检测