高效的在线联合对象检测和跟踪

检测和跟踪视频序列中的多个对象对于多种应用都很重要。然而，多目标跟踪通常在检测跟踪框架中处理，该框架使用两种不同的算法来完成不同的任务，这会导致额外的计算成本并禁止共享信息。

最近发表在arXiv.org上的一篇论文提出联合解决检测和跟踪问题，依靠最先进的图像对象检测器FasterR-CNN，扩展到视频领域。控制计算成本，并利用视频输入提供的附加信息：新颖的神经网络减少了基于图像的提议的数量并添加了由先前视频帧产生的提议。

所提出的管道实现了与最先进的方法相当的准确性结果，同时持续提供了一些效率改进。

视频中的对象检测和跟踪代表了当前和未来视觉感知系统的基本且计算要求高的构建块。为了减少可用方法与实际应用的计算要求之间的效率差距，我们建议重新思考最成功的图像对象检测方法之一，FasterR-CNN，并将其扩展到视频领域。具体来说，我们扩展检测框架以学习实例级嵌入，这证明有利于数据关联和重新识别目的。专注于检测和跟踪的计算方面，我们提出的方法达到了相关应用所需的非常高的计算效率，