本文主要探讨了视频物体检测中的印象网络方法，该方法通过多帧特征融合应对视频中的defocus和motion blur问题，提高检测速度和性能。文章提到了与TSN的对比，并讨论了跟踪（track）在对齐中的潜在作用。此外，还介绍了Mobile Video Object Detection中使用的时间感知特征映射和卷积LSTM，以及Spatial-Temporal Memory Networks中改进的记忆机制。所有这些方法都旨在通过帧间特征关联增强低质量帧。最后，作者提及了一种更精致的方法，采用稀疏特征传递并用光流对齐，可能包含自适应关键帧选择策略。
Impression Network for Video Object Detection
基于印象机制的高效多帧特征融合，解决defocus and motion
blur等问题（即视频中某帧的质量低的问题），同时提高速度和性能。
类似TSN，每个segment选一个key frame（注意，TSN做视频分类是在cnn最后才融合不同的segments）。特征融合前需要用Optical flow（FlowNet-S）来对齐。
目前使用的是fixed segment length，联想Deep Alternative Neural Network使用的自适应视频分段方法。
Detect to Track and Track to Detect
思考：track是不是可以代替印象网络中的光流来自动做对齐？
Mobile Video Object Detection with Temporally-Aware Feature Maps
最低0.47元/天 解锁文章
扫一扫
1190
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
