多目标跟踪任务——评价指标

  • 1. MOTA (Multiple Object Tracking Accuracy)
  • 2. MOTP (Multiple Object Tracking Precision)
  • 3. MT (Mostly Tracked)
  • 4. ML (Mostly Lost)
  • 5. IDs (ID Switch)
  • 6. FM (Fragmentation)
  • 7. IDF1
  • 参考资料

1. MOTA (Multiple Object Tracking Accuracy)

M O T A = 1 − ∑ t ( F N t + F P t + I D S W t ) ∑ t G T t MOTA = 1- \frac{\sum_t(FN_t + FP_t + IDSW_t)}{\sum_t GT_t} MOTA=1−∑t​GTt​∑t​(FNt​+FPt​+IDSWt​)​

MOTA给出了直观的衡量跟踪器在检测物体(TN, FP)和保持轨迹(IDSW)的性能。MOTA的取值小于1.00,可能会为负数。注意通过分子分母的求和可以看出,MOTA是对所有帧的指标求和后取平均,而不是每一帧算一个MOTA然后再取平均。

2. MOTP (Multiple Object Tracking Precision)

M O T P = ∑ t , i d t , i ∑ t c t MOTP=\frac{\sum_{t,i}d_{t,i}}{\sum_tc_t} MOTP=∑t​ct​∑t,i​dt,i​​
其中,d为检测目标和对应gt之间的距离,c为当前帧的匹配成功数目。d主要用bbox的overlap rate来衡量,所以越大越好,如果使用欧氏距离,则越小越好。MOTP主要体现的是检测性能,而不是跟踪性能。

3. MT (Mostly Tracked)

大部分被跟踪到的,指的是Ground Truth在超过80%的时间内都匹配到轨迹的数目在全部数目的占比。这里只关心是否匹配到了轨迹上,不关心ID是否发生Switch

4. ML (Mostly Lost)

指的是Ground Truth在小于20%的时间内匹配到轨迹的数目在全部数目的占比。这里只关心是否匹配到了轨迹上,不关心ID是否发生Switch

5. IDs (ID Switch)

数据集内同一目标的Ground Truth 分配到的ID发生变化的总次数。

6. FM (Fragmentation)

轨迹有多少次被“打断”,即“tracked -> untracked -> tracked”,注意区分IDs和FM

7. IDF1

I D F 1 = 2 I D T P 2 I D T P + I D F P + I D F N IDF1 = \frac{2IDTP}{2IDTP + IDFP + IDFN} IDF1=2IDTP+IDFP+IDFN2IDTP​
表示的是在ID保持相同的情况下,跟踪的准确率和召回率的F1值。这里面的TP,FP,FN都是考虑ID的情况下得到的,所以相比于只考虑IDSW的MOTA,IDF1指标更重视跟踪能力。

比如下面这段10帧的gt和两段track(假设对应框bbox都完美对应,这里仅显示ID信息)
truth :1-1-1-1-1-1-1-1-1-1
track1:1-1-2-2-3-3-4-4-5-5
track2:1-1-2-2-1-1-2-2-1-1
这里MOTA均为0.6, IDF1却不同0.2/0.6

不过也不能忽视MOTA的作用,因为IDF1虽然承载了丰富的ID信息,但是无法体现出IDSW的问题,比如下面这个例子:
truth :1-1-1-1-1-1-1-1-1-1
track1:1-1-1-1-1-1-2-2-2-2
track2:1-1-2-2-1-1-2-2-1-1
这里IDF1均为0.6,但是MOTA不同0.9/0.6

参考资料

1.多目标跟踪(MOT)评测标准
2.Multi-Target Multi-Camera Tracking (MTMC Tracking)评价指标 - 罗浩.ZJU的文章 - 知乎
3. 多目标跟踪(MOT)——性能指标
4. MOT Metrics—MOTA vs IDF1?

【多目标跟踪任务——评价指标】相关推荐

  1. 多目标跟踪MOT评价指标

    目录 1. MOT评价指标 2. 实现思路 3. 计算指标 1. MOT评价指标 MOT:multiple object tracking 评价出发点: 所有出现的目标都要及时能够找到: 目标位置要尽 ...

  2. 深入理解MOT评价指标

    之前一直对其多目标跟踪的评价指标一知半解,今天记录一下其具体的算法细节,不当之处请大家一定要指正! MOTA ( Multiple Object Tracking Accuracy) MOTA可以算是 ...

  3. 融合算法性能评价指标

    前言 多目标跟踪器的性能需要某些指标来进行度量,目前使用比较广泛的评测指标主要有 Bernardin 等人定义的 CLEAR MOT 指标.Ristani 等人定义的 ID scores 指标以及最新 ...

  4. ICPR 2022 第一届卫星视频运动目标检测与跟踪挑战赛正式开赛

    关注公众号,发现CV技术之美 ICPR 2022: The 1st Challenge on Moving Object Detection and Tracking in Satellite Vid ...

  5. 最新目标跟踪评估指标汇总

    前段时间接触了一些目标跟踪的场景,本文主要汇总目标跟踪的常用评估指标,主要包括下面几类: 容易理解的概念:FP.FN.TP.id switch.ML.MT 更加综合的概念:MOTA.IDF1.MOTP ...

  6. ICPR 2022 | 第一届卫星视频运动目标检测与跟踪挑战赛正式开赛

    点击下方卡片,关注"CVer"公众号 AI/CV重磅干货,第一时间送达 ICPR 2022 第一届卫星视频运动目标检测与跟踪挑战赛正式开赛 ICPR 2022:The 1st Ch ...

  7. 多目标跟踪评价指标总结——MOTA、IDF1、HOTA等

    多目标跟踪评价指标--MOTA.IDF1.HOTA等 首先了解一下MOT challenge的评价指标,这些指标都是MOT任务比较常用且流行的指标: MOTA 首先需要了解的是: fragmentat ...

  8. 多目标跟踪(MOT,Multiple Object Tracking)评价指标

    简述 在事先不知道目标数量的情况下,对视频中的行人.轿车.卡车.自行车等多个目标进行检测并赋予ID进行轨迹跟踪.不同的目标拥有不同的ID,以便实现后续的轨迹预测.精准查找等工作. 多目标跟踪中即要面对 ...

  9. 多目标跟踪评价指标及其计算方式

    基于MOT的benchmark记录相关的评价指标以及其计算方式和意义 MOTA ( Multiple Object Tracking Accuracy) MOTA计算所有帧的匹配情况,t为帧数,FN为 ...

最新文章

  1. python的print格式化输出,以及使用format来控制。
  2. python代码实现二叉树中最低的公共祖先
  3. Linux学习笔记三【文件及目录的权限管理篇】
  4. 这台无人机40小时经历上万次事故,终于借助AI学会了自动飞行
  5. html 编辑xml,编辑XML\HTML时取消浏览“amp”
  6. 数码相机控制点的自动定位检校
  7. win7电脑内存信息的查看方法
  8. c51随机数不重复_怎么让51单片机产生随机数?
  9. loadrunner解决在项目中的难点解决
  10. Struts初学者教程
  11. c语言 怎么把数据存储,急求如何将下列C语言程序数据存储到文件中?
  12. 画ROC曲线的R包总结
  13. 《企业IT架构转型之道》读后感(一)
  14. 旋转体的体积和表面积
  15. 八股总结(二)计算机网络与网络编程
  16. 【方法】树莓派开机使用教程(看这个就够了)
  17. 嵌入式简答题知识点总结
  18. 北京大学可视化发展前沿研究生暑期学校第一讲
  19. [1996 TRO] Probabilistic Roadmaps for Path Planning in High-Dimensional Configuration Spaces
  20. ffmpeg截取视频流、rtsp录mp4,与海思NVR,内存问题

热门文章

  1. android camera分辨率设置,android CAMERA 设置照片大小
  2. 计算机台式硬件排名,鲁大师最新PC硬件排行 盘点2020年最强PC硬件产品!
  3. 如何进行混合APP的打包,再到手机上进行下载运行
  4. 【机器人】正运动学,如何建立机器人各连杆坐标系和D-H参数表——1
  5. .NETMVC 使用过滤器完成未登录拦截
  6. 氦气硬盘 螺丝孔对不上_使用氦气检测不匹配CSS选择器
  7. MongoDB 使用排序内存不足解决方法
  8. 教你如何找回被盗QQ的好友
  9. AfxMessageBox的常见应用
  10. android传输大图片,Android中 Activity传递图片