qq_35608277的博客

Towards High Performance Video Object Detection Xizhou Zhu∗ Jifeng Dai Lu Yuan Yichen Wei CVPR2018在DFF和FGFA基础上进行了三点改进，在速度和精度上进行了权衡。DFF专注于提高速度，FGFA专注于精度，本文将两者优势结合起来。（1）特征的稀疏递归聚合FGFA是在每一帧上进行特征聚合，而在这里只在稀疏的关键帧上进行聚合。上一个关键帧增强当前关键帧，增强后的关键帧又去增强下一个关键帧。第一个公式是对

2017本文主要提出了一个深度特征流算法，用于视频的识别。它仅在稀疏的关键帧上运行计算量极大的卷积子网络，并通过流场将它们的深度特征图传输到其他帧。由于流计算方法相对较快，所以算法得到了明显的加速。整个框架的端到端的训练明显提升了识别的精度。由于中间卷积特征图与输入图像拥有相同的空间大小（通常以较小分辨率，例如，16×更小）。它们保留了低级图像内容与中高级语义内容之间的空间对应关系。这种对应关系通过空间形变给附近帧之间的特征传播提供了机会，类似于光流法。本文提出了深度特征流算法仅在稀疏的关键帧上运行计