利用するアルゴリズムを選択する際には、ベンチマークが必要です。著者が新規のアルゴリズムを発表する場合には、従来のアルゴリズムに比べて、どのように優れているのかを比較しています。有名な学会で採択されているような論文では、新規のアルゴリズムを学べるだけではなく、そのような人が既存のアルゴリズムをどのように評価しているのかがわかります。トップ カンファレンスでは、採択されるまえに十分なレビューが入るので、そのような点でもぜひ読むべきでしょう。
Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning
その論文中の
Table 1: Summary of experiments on OTB-50
では、いくつかの手法の比較のされています。non-realtimeとrealtimeとしてアルゴリズムが分類されています。
では、自分の用途にどのアルゴリズムを選択すべきなのか。
次の論文は組み込みのための追跡についての視点で述べている。
Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning
上記の中に次のグラフがある。 Fig. 1. Box plot illustrating averages and distributions of frame rates. Four (4) outliers
above 50 FPS between Median Flow and KCF are missing to make the y axis scale
better.
median flow
KCF がフレームレートが出るアルゴリズムであることがわかる。
Fig. 4. Success plots of the five tested trackers showing the fraction of frames success-
fully tracked as a function of required Jaccard index.
Overlap threshold に対する追跡の成功率を示しています。
Online Object Tracking: A Benchmark
ベンチマークのgithub
CVPR2018も含まれている。
https://github.com/foolwood/benchmark_results
使用するアルゴリズムを選択するにはどうしよう
追跡アルゴリズムによる追跡の計算時間の違いを集計する。
追跡中のobjectの個数によって追跡の計算時間を集計する。
それによって、選ぶべきアルゴリズムを明らかにする。