“亲爱的观众朋友们，我想死你们啦”
在今年年初的发布稿中，我们提到 MMTracking 将会长期更新与维护，但是在半年的时间里，我们并没有进行太大的更新变动，作为 开发鸽子 oh no 开发者 的一员，具体原因请大家听本鸽子狡辩，啊不对，听我解释：
. . . . . .
emmm，算了，找不到借口，编不出理由。
但是这不重要～重要的是打今儿起， MMTracking 将会持续更新啦，这次一定哦～。
OK，言归正传，本小鸽要开始正经啦！
0. 太长不看
打今儿起，MMTracking 将会进行长期的更新与维护（这次一定）。
在已经支持的视频目标目标检测、多目标跟踪、单目标跟踪 3 种任务，以及提供的 8 类(Cluster)算法的基础上，不断的增加新的 SOTA 算法，同时支持更加细粒度的视频目标感知任务与算法。欢迎大家在 GitHub 上三键三连（Watch Star Fork）。PS：讲道理 GitHub 不应该出个一键三连的功能吗？
此外，我们每周都会推出一篇 MMTracking 的食用指南，帮助大家更好的上手已有的 3 种任务与算法。
喜欢我们的项目，还请点个star star star：
1. MMTracking 的特点与优势
- MMTracking 是首个开源的一体化视频目标感知平台
它将多个视频里的感知子任务融合到统一框架下，比如视频目标目标检测、多目标跟踪、单目标跟踪任务，填补了这些领域内基准(baseline)开源平台的空白，同时希望能够推动不同子领域之间的融合、互促与发展。
- MMTracking 延续了 OpenMMLab 系列的模块化风格
同时通过与 OpenMMLab 其它平台（比如 MMDetection）交互的方式， 充分利用其它平台的成果与优势，在继承复用其它平台大量功能的同时，取长补短，极大的简化了代码框架。
- MMTracking 提供了简洁的用户接口，以及完善的中文英文文档
同时释放了高效、强大的基准(baseline)模型，部分实现超出官方版本（比如视频目标目标检测中的 SELSA、多目标跟踪中的 Tracktor、单目标跟踪中的 SiameseRPN ），在部分学术数据集(Dataset)（比如 ImageNet VID）达到 SOTA 水平。
更多详细介绍烦请移步 ：
2. V0.7.0 版本带来的新特性
1）、在 MMTracking V0.5.0 刚刚发布的时候，我们支持了以下算法：
- 视频目标目标检测（VID）算法：
- 多目标跟踪（MOT）算法：
- 单目标跟踪（SOT）算法：
SiameseRPN (CVPR 2019)
2）、经过发布之后这半年来断断续续的更新， 8 月份有了很密集的更新
MMTracking V0.7.0 发布啦！该版本主要新增了以下特性：
- Codebase
- 重构、完善了英文用户文档、中文用户文档，用鲜明的例子告诉大家如何推理、测试、训练 VID、MOT、SOT 的模型
- 支持所有算法的 FP16 训练与测试
- VID
- 支持新的视频目标目标检测算法 Temporal RoI Align (AAAI(人工智能(Artificial Intelligence)) 2021)， 同时为所有视频目标目标检测算法提供了使用 ResNeXt-101 为 backbone 的预训练(pretraining)模型，该方法以 84.1 mAP@50 的性能在 ImageNet VID 数据集(Dataset)上达到了 SOTA 水平
- MOT
- 提供 Tracktor 在 MOT15、MOT16、MOT20 上的结果，在更加复杂的 MOT20 数据集(Dataset)的主要评估指标 MOTA 上，比官方版本高出 5.3 个点
- 支持在 MOT 数据集(Dataset)训练 ReID model
- 支持在 MOT 数据集(Dataset)进行错误（FP、FN、IDS）可视化分析
- SOT
- 支持更多的 SOT 数据集(Dataset)：LaSOT、UAV123、TrackingNet，其它主要数据集(Dataset)也即将支持
3. 即将和大家见面的
在之后不到一个月的时间里，我们每周（敲重点）都会推出一篇 MMTracking 的食用指南（都给我吃！），手把手的帮助大家更好的上手已经支持的 3 种任务。
同时在现有支持任务的基础上，我们将逐步增加更多的 SOTA 算法，以提供更好的使用体验。
此外 MMTracking 目前只涉及视频里物体的定位与跟踪任务，这与我们“视频目标感知平台”的定位还有一定距离，我们希望提供更加细粒度的感知方式，因此在 9 月或 10 月我们将会支持新的任务与算法（在做了在做了）。
欢迎大家点赞、试用、反馈、PR。
4. 最后
作为 MM 系列的成员， MMTracking 将持续更新，力图早日成长为一个完善的视频目标感知平台，而社区的声音能够帮助我们更好地了解到大家的需求，所以如果大家在使用的过程中遇到什么问题、想法、建议，或者有想支持的新数据集(Dataset)、新方法、新任务，欢迎在评论区里发言。请记住我们的 repo 是您永远的家！
5. 最后的最后
原谅我，这里是运营小姐姐非得让我必须自愿插入个广告！（严肃认真脸）～～
我们非常欢迎对计算机视觉(Computer vision)前沿技术、开源项目开发有兴趣的同学以全职或实习的身份加入 OpenMMLab 团队。欢迎大家私信小编，或者将简历发送至： hr@openmmlab.com
更多岗位，等你来！！！
版权声明：本文为博主OpenMMLab原创文章，版权归属原作者，如果侵权，请联系我们删除！
