什么是 高阶跟踪准确率（HOTA）？
高阶跟踪准确率（HOTA）是一种多对象跟踪得分：它在每个定位阈值下组合 Detection Accuracy 与高阶 Association Accuracy，再跨阈值求平均。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
从已匹配 Detection 构建检测与关联准确率
在定位阈值 alpha 下，每帧先匹配 Ground Truth 与预测 Detection。DetA_alpha = TP / (TP + FN + FP) 是 Detection Matching 的 Jaccard Accuracy。对每个 True-positive Match，其 Association IoU 比较该真值身份与预测身份共同匹配的次数，以及只分配给其中一侧的 Detection；AssA_alpha 再对所有 True Positive 取平均。
HOTA 原始论文定义 HOTA_alpha = sqrt(DetA_alpha * AssA_alpha)。下方 Go 示例计算一个阈值的结果；完整 HOTA 必须在声明的阈值网格上重复 Matching，并平均各个 HOTA_alpha。
检查分解项，而不是只优化一个标量
DetA 可以进一步分为 Detection Precision 与 Recall，AssA 可以分为 Association Precision 与 Recall；LocA 则平均 True-positive Match 的 Localization Similarity。这些分量能区分得分变化源于对象漏失、False Detection、身份碎片、身份合并还是 Bounding Box 对齐。
几何平均让 Detection 与 Association 在每个阈值下具有对称的乘法影响，却不会编码具体业务损失。监控、机器人安全和离线视频索引对漏失、身份连续性、时延与定位的权重可能完全不同。
比较分数前先复现 Benchmark Protocol
TrackEval 是 MOTChallenge、KITTI Tracking 等 Benchmark 使用的 HOTA 参考实现。
它还计算MOTA、MOTP与 Identity Metric，便于在同一预处理管线下比较 HOTA 和IDF1。
只有 Class Filter、Ignore Region、Visibility Rule、Localization Similarity、阈值网格、Duplicate Handling、Sequence Weighting 与 Evaluator Version 一致时，分数才可比较。
Track mAP用于 Confidence-ranked Track Discovery，ATA与局部跟踪指标检验严格或指定 Horizon 的身份。
OSPA(2) 与 T-GOSPA 则是不同误差语义的 Track-set Distance。
主要特点
- 通过几何平均平衡检测与关联
- 为每个已匹配 Detection 评测高阶身份一致性
- 跨多个 Localization Threshold 平均结果
- 提供 DetA、AssA、LocA、Precision 与 Recall 诊断
- 依赖 Benchmark 预处理与 Matching 约定
- 输出归一化得分而不是度量空间距离
常见用途
- 在标准 Benchmark 上排序视觉多对象 Tracker
- 区分 Detection Failure 与 Association Failure
- 评测遮挡、Fragmentation 与身份合并过程
- 跨 Bounding Box 或 Segmentation 阈值比较 Tracker
- 审计指标提升来自检测还是关联
示例
Loading code...常见问题
HOTA 如何计算？
每个 Localization Threshold 下，HOTA 先对 Detection Accuracy 与 Association Accuracy 的乘积开平方；最终得分再平均 Evaluator 阈值网格上的各个 HOTA_alpha。
DetA、AssA 和 LocA 分别表示什么？
DetA 是匹配、漏失与虚假 Detection 的 Jaccard Accuracy；AssA 对已匹配 Detection 平均身份对的 Association IoU；LocA 平均 True Positive 的定位相似度，作为诊断分量单独报告。
HOTA 与 MOTA 有什么区别？
MOTA 从真值 Detection 总数中扣除 FN、FP 和 ID Switch，结果可能由 Detection Error 主导；HOTA 分别度量检测与关联，并在多个定位阈值上平衡二者。
HOTA 与 IDF1 有什么区别？
IDF1 在完整序列上对真值与预测身份做一次一对一 Assignment，强调全局正确身份 Detection；HOTA 为每个已匹配 Detection 提供部分关联信用，并显式与 Detection Accuracy 平衡。
不同 Benchmark 的 HOTA 可以直接比较吗？
只有数据集与评测协议兼容时才可以。类别、Ignore Region、可见性、Matching Similarity、阈值网格、序列聚合与 Evaluator Version 都可能在 Tracker 不变时改变分数。