编译 | CV君
报道 | 我爱计算机视觉（微信id：aicvml）
今天，香港中文大学多媒体实验室（MMLab）旗下开源组织 OpenMMLab 发布新成员：MMTracking，旨在促进目标跟踪领域的研究开发。
OpenMMlab旗下众多开源库如：MMCV, MMDetection，MMAction2等已经拥有众多用户，成为复现顶会论文、实现项目应用的重要工具。
MMTracking地址：
https://github.com/open-mmlab/mmtracking
演示效果：
此次OpenMMLab开源的 MMTracking 涵盖方向包括单目标跟踪、多目标跟踪、视频目标检测（Single Object Tracking (SOT), Multiple Object Tracking (MOT), Video Object Detection (VID)），既包含前沿算法的实现，又有成熟预训练模型可供直接使用。
特点：
官方称这是第一个统一的视频感知平台，将单目标、多目标跟踪和视频目标检测放在一个框架；
模块化设计，将视频感知框架分成不同模块，方便算法开发；
简单、快速、健壮。
简单：与OpenMMLab其他开源库交互极其简单，尤其MMTracking与MMDetection浑然天成，只需修改配置文件即可切换检测器。
快速：所有操作均在GPU上进行保证程序跑的快，甚至实现的算法相比其他开源库的实现，训练和测试都更快。
健壮：作者实现了大量的state-of-the-art方法，其中不少算法甚至好于官方实现。
目前实现的算法：
视频目标检测：
DFF （CVPR 2017）
FGFA （ICCV 2017）
SELSA (ICCV 2019)
多目标跟踪：
SORT/DeepSORT （ICIP 2016,ICIP 2017）
Tracktor （ICCV 2019）
单目标跟踪：
SiameseRPN++ (CVPR 2019)
得益于OpenMMlab开源框架的高质量实现，官方称：
视频目标检测算法 SELSA 的实现结果相比于官方实现，在 ImageNet VID 数据集上 mAP@50 超出 1.25 个点。
多目标跟踪算法 Tracktor 的实现结果相比于官方实现，在 MOT17 数据集上 MOTA 超出 4.9 个点以及 IDF1 超出 3.3 个点。
单目标跟踪算法 SiameseRPN++ 的实现结果相比于官方实现，在 LaSOT 数据集上 Norm precision 超出 1.0 个点。
虽然目前实现算法还不是很多，但鉴于MMlab 强大的研发实力和社区号召力，相信对于做跟踪方向的朋友来说，MMTracking 是值得持续跟踪的开源库。
参考：https://zhuanlan.zhihu.com/p/341283833
网友评论