摘要

我们将经典的“检测后跟踪”（tracking-by-detection）范式扩展至“任意目标跟踪”（tracking-any-object）任务。首先，从TAO数据集提取高质量的检测结果。在检测阶段，融合了多项前沿技术，如平衡分组软最大值（Balanced-Group Softmax, BAGS）\cite{li2020overcoming} 以及 DetectoRS\cite{qiao2020detectors}。随后，通过训练特征学习网络，学习能够表征任意目标的外观特征。为提升检测性能与特征表示能力，我们采用多种模型的集成策略。最终，结合基于最相似外观特征的简单关联策略，以及基于轨迹片段（tracklet）级别的后处理关联模块，生成最终的跟踪结果。本方法已作为 AOA 提交至竞赛官网，代码已开源，地址为：https://github.com/feiaxyt/Winner_ECCV20_TAO。