提出的方法以及数据集的缺陷
基于热红外视频的多无人机跟踪任务
该论文方法与 YOLOv5[18]和 DeepSORT[40]管道进行对比。使用了YOLOv12探测器和BoT-SORT-ReID pipline。此外还采用了一些方法提高了多无人机的跟踪性能。
图 (a)显示了来自 MOT 训练集的不同背景的热红外帧，而图 1 (b)突出了一些小缺陷，如注释错误、冗余、缺失标签和低质量帧，这些缺陷在数据集中占的比例可以忽略不计，在训练过程中可以安全地忽略。(反无人机比赛数据集)
普遍采用的提升方法
现有改进主要集中在
时间建模、实时优化、统一框架、检测后处理
上述四个方面，而作者的工作在此基础上结合最先进的检测器与跟踪器，在热红外多无人机跟踪上创造了新 benchmark，并指引后续研究。
详细方法
1、问题陈述
尽可能准确地跟踪无人机，评价指标：
提供初始位置的MOT任务。
2、数据
track3
YOLOv12 + BoT-SORT
YOLOv12
简单在线实时多目标跟踪技巧优化
BoT-SORT：卡尔曼滤波+运动相机补偿 稳定动态条件下的跟踪
