A multi-object tracking algorithm for cleaning vessels to track floating debris based on YOLOv5-Byte

评价指标	定义
MOTA（↑）	多目标追踪准确率
Rcll（↑）	正确匹配的检测目标数
IDF1（↑）	正确识别的检测与平均真实数和计算检测数之比
IDR（↑）	正确识别标注轨迹的分数
IDP（↑）	正确识别的计算检测分数
IDs（↓）	目标身份编号切换的总数
FP（↓）	误检的目标总数
FN（↓）	漏检的目标总数
FM（↓）	轨迹碎片化的总次数

Table 2. Experimental results comparison of tracking effect by different algorithms

View table

View in Article

Table 2. Experimental results comparison of tracking effect by different algorithms

目标追踪算法	IDF1/%（↑）	IDP/%（↑）	IDR/%（↑）	Rcll/%（↑）	FP/个（↓）	FN/个（↓）	IDs/次（↓）	FM/次（↓）	MOTA/%（↑）	FPS/(f^.s⁻¹）（↑）
Sort	53.6	78.0	40.8	51.9	10	1075	32	61	50.0	100.92
DeepSort	55.6	74.4	44.4	58.5	25	927	33	53	50.9	60.79
Motdt	47.0	65.2	38.7	55.8	10	987	68	112	52.3	51.09
BotSort	47.6	60.9	39.1	63.3	17	820	174	101	54.7	73.68
文献[14]	54.0	70.3	43.8	61.3	19	864	43	64	58.5	18.12
文献[15]	50.1	87.1	35.2	39.9	10	1343	23	35	38.4	21.22
本文算法	76.0	94.8	63.5	66.3	13	752	7	42	65.4	81.70

Table 3. Training results
View table
View in Article
Table 3. Training results
目标检测算法 $\varphi $ P/% R/% mAP/%
YOLOv5s 1.0 76.1 80.5 79.4
改进YOLOv5s 0.7 73.0 78.4 78.4
0.6 78.9 76.4 79.8
0.5 79.4 81.1 79.9
0.4 77.0 78.1 79.5
0.3 78.2 78.4 79.3

Table 4. Tracking effects after superparameter \begin{document}$ \alpha $\end{document} adjustment

View table

View in Article

Table 4. Tracking effects after superparameter \begin{document}$ \alpha $\end{document} adjustment

检测模块	数据关联模型	$ \alpha $	IDF1/%（↑）	IDP/%（↑）	IDR/%（↑）	Rcll/%（↑）	FP/个（↓）	FN/个（↓）	IDs/次（↓）	FM/次（↓）	MOTA/%（↑）
YOLOv5s	Byte	—	64.5	87.6	51.0	57.7	10	944	14	60	56.7
		0.9	65.4	88.1	51.9	58.5	10	927	13	66	57.5
		0.8	65.6	87.8	52.3	59.1	10	914	15	70	57.9
		0.7	67.8	90.4	54.2	59.4	12	906	16	74	58.2
		0.6	68.2	90.4	54.7	60.0	12	894	15	75	58.8
		0.5	68.9	91.0	55.4	60.2	12	888	13	76	59.1
		0.4	68.9	91.0	55.4	60.3	13	887	13	77	59.2
		0.3	69.0	91.1	55.4	60.3	13	887	13	77	59.2

Table 5. Ablation experiment results

View table

View in Article

Table 5. Ablation experiment results

检测模块	数据关联模型	IDF1/%（↑）	IDP/%（↑）	IDR/%（↑）	Rcll/%（↑）	FP/个（↓）	FN/个（↓）	IDs/次（↓）	FM/次（↓）	MOTA/%（↑）
YOLOv5s	Byte	64.5	87.6	51.0	57.7	10	944	14	60	56.7
改进YOLOv5s	Byte	64.8	83.3	53.0	61.1	11	824	14	40	62.0
YOLOv5s	改进Byte	68.9	91.0	55.4	60.2	12	888	13	76	59.1
改进YOLOv5s	改进Byte	76.0	94.8	63.5	66.3	13	752	7	42	65.4

Tools

Get Citation

Copy Citation Text

Heping YUAN, Bo ZHOU, Bijin LIU. A multi-object tracking algorithm for cleaning vessels to track floating debris based on YOLOv5-Byte[J]. Chinese Journal of Ship Research, 2025, 20(3): 327

Download Citation

EndNote(RIS)BibTex Plain Text

Set citation alerts for article

Save article for my favorites