這次給大家帶來一個有趣的項目，項目主要是Python寫的，基於Keras，backend是tf。
首先，當我們回顧視覺目標檢測這個任務時，我們可能糾結於如何使這個項目變得更加work，我理解的更加work是速度上不僅快了而且更加准了，這是自然而然的事情，但是我們不能忽略目標檢測的搭檔，也正是在另一個熱火朝天的領域叫做目標跟蹤，在工程上兩者常常是搭檔，有趣的是在學術研究上，兩者常常被分開，我猜想的原因主要是因為：其一，目標檢測和跟蹤是兩個比較大的話題，合在一起工作量有點大，不利於研究工作的專注，而業界目標檢測和跟蹤領域各有各的開源競賽也促進了這一點；其二，從相反的角度考慮，其實目標檢測和跟蹤的評估方法是不一樣的，所以實現方法不一樣，實驗方法也不一樣，為什么不分開多發幾篇呢？所以學術界的兩股清流就此產生。下圖藍色是檢測，粉色、白色是不同方法的跟蹤效果，圖像不咋滴清晰。
其次，我想說的是工程問題應該分部最優，不要糾結在某一個問題上太久，不然老板該怪你了。。。如果是學術問題，就應該老老實實回去把問題理清楚，也千萬不要把目標檢測和跟蹤真當成搭檔了......
最后，大家能想到的是檢測和跟蹤結合在一起，目前完全可以在速度和精度上達到一個比較好的權衡，既不會丟失精度，反而提升了模型的速度，何樂而不為呢？
這就是今天介紹的項目的出發點。這個項目還有另外一個大家可以關注的點是，我們前端都采用了yolov3作為檢測器，后面的跟蹤方法卻可以有很多，目前只開源了deep_sort，后面會開源更多跟蹤器，基本的思路是，讓它真正變成一個工程，希望大家都能推動它持續的發展下去。
項目地址：地址鏈接
希望能有機會和同領域的小伙伴們交流交流。建個QQ群864933024