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。