쿼드러플 합성곱 신경망을 이용한 다중 객체 추적

우리는 쿼드러플 손실을 사용하여 프레임 간 객체 감지를 연결하는 학습을 하는 다중 객체 추적을 위한 쿼드러플 합성곱 신경망(Quad-CNN)을 제안합니다. 제안된 네트워크는 데이터 연관을 위해 목표 외관과 그들의 시간적 인접성을 함께 고려합니다. 기존의 순위 손실과 달리 쿼드러플 손실은 시간적으로 인접한 감지가 큰 시간 간격을 가진 감지보다 더 밀접하게 위치하도록 추가적인 제약을 부여합니다. 또한 우리는 더 나은 로컬화를 위해 객체 연관과 경계 상자 회귀를 공동으로 학습하기 위해 다중 작업 손실을 사용합니다. 전체 네트워크는 엔드 투 엔드로 훈련됩니다. 추적을 위해 목표 연관은 제안된 네트워크에서 학습된 메트릭을 사용한 미니맥스 레이블 전파로 수행됩니다. 우리는 공공 MOT 챌린지 데이터셋에서 우리의 다중 객체 추적 알고리즘의 성능을 평가하고 뛰어난 결과를 달성합니다.