.png){kind=icon}
返回
GDOTrack: Multi-object tracking algorithm based on feature decoupling and appearance aggregation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2026.114444.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
联合检测与嵌入（JDE）范式已被广泛应用于在线多目标跟踪。然而，在JDE范式中，检测和重识别（ReID）任务共享统一的特征空间，这固有地导致特征冲突并限制跟踪性能。为解决此问题，我们提出了一种基于特征解耦和外观聚合的多目标跟踪算法（GDOTrack）。首先，提出了一种全局-局部注意力特征解耦网络（GLANet），它联合捕获检测和ReID分支的局部和全局信息，以改进任务特定的表示学习。其次，我们引入了一种方向感知的外观特征聚合网络（DAAFAN），用于沿水平和垂直方向聚合多尺度特征，增强物体表示在尺度变化和相似外观下的判别性。最后，设计了一种基于遮挡程度的遮挡感知恢复交并比（ORIoU）方法，动态扩展边界框，并进一步构建了多级关联策略（ORMA）以提高遮挡场景下的关联鲁棒性。在MOT16、MOT17和MOT20基准上的实验结果表明，所提出的GDOTrack达到了最先进的目标跟踪性能。
Keyword:
Multi-object tracking
Global-local attention
Multi-scale appearance feature aggregation
Occlusion-aware IoU
