Deep Learning/Object Tracking HOTA: High Order Tracking Accuracy - 728x90 반응형 1. 등장 배경 MOTA와 IDF1의 아래와 같은 문제점을 보완하기 위함 detection과 association을 지나치게 강조 predicted box와 GT box 사이의 detection similarity threshold를 0.5로 고정시켜서 값을 측정 2. 개념 detection score와 association score의 조합으로, accurate detection과 association의 균형을 맞춘 것 detection similarity threshold를 0.05 부터 0.95까지 0.05 intervals로 값을 바꿔가면서 측정 localization accuracy를 더 잘 고려 3. 계산 방법 HOTAα=√∑c∈{TP}A(c)|TP|+|FN|+|FP| A(c)=|TPA(c)||TPA(c)|+|FNA(c)|+|FPA(c)| (∗∗A(c) is Association) TPA : c와 동일한 gtID와 prID를 모두 가진 TP의 집합 FNA : c와 동일한 gtID를 가진 집합이지만, c와 다른 prID를 할당하였거나 누락한 경우 FPA : c와 동일한 prID를 가진 집합이지만, c와 다른 gtID를 할당하였거나 object가 아닌 경우 참고 링크 https://arxiv.org/abs/2009.07736 728x90 반응형 공유하기 URL 복사카카오톡 공유페이스북 공유엑스 공유 게시글 관리 구독하기Minsu Jo's Development Log 저작자표시 비영리 동일조건 Contents 1.등장배경 2.개념 3.계산방법 당신이 좋아할만한 콘텐츠 re-identification 2023.02.13 Object Tracking 2023.02.13 Tracklet과 Trajectory 2022.07.30 Tracking Evaluation Metrics 2022.07.30 댓글 0 + 이전 댓글 더보기