首页
/ YOLO Tracking项目v12.0.5版本发布:GSI技术显著提升多目标跟踪性能

YOLO Tracking项目v12.0.5版本发布:GSI技术显著提升多目标跟踪性能

2025-06-08 03:58:04作者:裴锟轩Denise

YOLO Tracking是一个基于YOLO系列目标检测算法的多目标跟踪框架,它整合了当前最先进的多种跟踪方法实现。该项目通过将目标检测与目标跟踪相结合,为计算机视觉领域的研究人员和开发者提供了一个高效、灵活的多目标跟踪解决方案。

GSI技术引入带来的性能提升

在最新发布的v12.0.5版本中,项目团队重点引入了GSI(Global State Inference)技术,并在评估阶段进行了全面测试。GSI技术通过全局状态推理,显著提升了多目标跟踪的各项关键指标。

评估结果显示,在MOT17-50数据集上,所有主流跟踪方法在启用GSI后都获得了明显的性能提升:

  • BoostTrack方法的HOTA指标提升了1.802个百分点,达到70.451
  • DeepOCSort方法的HOTA指标提升了1.308个百分点,达到68.656
  • OCSort方法的HOTA指标提升了1.596个百分点,达到68.037

各跟踪方法性能对比

本次评估涵盖了当前主流的五种跟踪算法,包括BoostTrack、BoTSORT、ByteTrack、DeepOCSort和OCSort。测试使用了YOLOX_X作为检测模型,OSNet_x1_0作为重识别模型,输入分辨率为320×320。

从评估结果可以看出:

  1. 性能指标:BoostTrack在HOTA和IDF1指标上表现最佳,分别达到70.451和83.654;而ByteTrack在MOTA指标上表现最好,达到79.783。

  2. 运行效率:ByteTrack和OCSort展现出极高的处理速度,分别达到1265FPS和1483FPS;而DeepOCSort由于结合了深度特征,速度相对较慢,为12FPS。

  3. GSI效果:所有跟踪方法在启用GSI后都获得了0.8-1.8个百分点的HOTA提升,证明GSI技术能够有效改善跟踪性能。

技术实现细节

本次评估采用了严谨的实验设置:

  • 检测模型:YOLOX_X(经过消融研究的优化版本)
  • 重识别模型:OSNet_x1_0(在DukeMTMC-reID数据集上训练)
  • 跟踪方法:ByteTrack作为基础跟踪策略
  • 评估数据集:MOT17-50的训练集部分
  • 硬件平台:使用苹果的MPS(Metal Performance Shaders)加速

值得注意的是,评估时仅针对"人"这一类目标(class 0)进行了跟踪,这是多目标跟踪领域最常见的应用场景。

实际应用建议

对于不同应用场景的开发者,可以根据需求选择合适的跟踪方法:

  1. 实时性要求高:优先考虑ByteTrack或OCSort,它们能提供超过1000FPS的处理速度。
  2. 跟踪精度优先:选择BoostTrack,它在各项指标上都表现优异。
  3. 平衡精度与速度:BoTSORT是一个不错的选择,它在保持46FPS的同时也提供了不错的跟踪质量。
  4. 需要重识别能力:DeepOCSort虽然速度较慢,但结合了深度特征,适合需要强重识别能力的场景。

随着GSI技术的引入,开发者现在可以通过简单的参数配置(--gsi True)来启用这一功能,轻松获得跟踪性能的提升。这一改进使得YOLO Tracking项目在多目标跟踪领域的竞争力进一步增强。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
927
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8