MOT：Multiple Object Tracking 多目標跟蹤
Appearance model：外觀模型，在多目標跟蹤中用來提取有鑑別力的特徵。
MIL：Multiple Instance Learning 多示例學習
BaseLine
你訓練一個模型，獲得了80%的準確率，你覺得很高嗎？不能這麼說，因爲你沒有與別人的東西作對比。也就是說“something else”就是baseline。你使用已經存在的流行的算法作爲baseline，baseline的選擇取決於你的目的，我們的最終目標是超越baseline，如果你的算法模型訓出來比baseline的acc要高，或者其他的指標如訓練的時間，預測的時間，內存使用率等等要更好，那麼就可以說你超越了baseline，換句話說，你自己的算法模型訓練結果就是一個baseline。
PipeLine
舉個例子，在自動駕駛汽車研發的過程當中，我們需要不斷獲取數據，設計算法，改進網絡，把camera獲取到的實時視頻拿給算法模型去訓練，得到loss，再不斷循環訓練，不斷喂新的數據進來，我們最終可以得到一個模型，在汽車實地跑的時候，可以通過inference把結果顯示在車載screec上。所以這一整個框架流程，從輸入數據輸入給算法模型去訓練，最終把得到的輸出模型用在實際的生活當中得到perform——這個過程就是pipeline。