Flow-Guided Feature Aggregation for Video Object Detection
https://arxiv.org/abs/1703.10025
Our framework is principled, and on par with the best engineered systems winning the ImageNet VID challenges 2016

The code would be released

本文主要利用视频中前后帧的特征信息来提高当前帧的目标检测精度。
we propose to improve the per-frame feature learning by temporal aggregation

为什么需要前后帧信息了,因为视频中有时候每一帧的目标信息不是适合于检测

Note that the features of the same object instance are usually not spatially aligned across frames due to video motion.
前后帧的特征信息怎么对应起来了?两个模块:1)基于运动指导的 spatial warping 2)特征融合模块
Two modules are necessary for such feature propagation and enhancement:
1) motion-guided spatial warping. It estimates the motion between frames and warps the feature maps accordingly.
2) feature aggregation module. It figures out how to properly fuse the features from multiple frames.


3.2. Model Design
Flow-guided warping
首先用一个 flow network F 估计光流场,然后基于光流场把当前帧的特征映射到相邻帧去,得到相邻帧的特征图 bilinear warping

Feature aggregation
有了当前帧的特征图及其前后相邻若干帧的特征图,我们采用 Adaptive weight 来融合这些特征图得到最终的特征图,将该特征图输入检测子网络中

总的计算流程

不同模块组合的 Accuracy and runtime

加入 flow-guided 时间增加的比较多


小目标的检测还是有待加强

视频目标检测--Flow-Guided Feature Aggregation for Video Object Detection相关推荐

  1. 【视频目标检测论文阅读笔记】Optimizing Video Object Detection via a Scale-Time Lattice

    1.1 论文信息 标题 Optimizing Video Object Detection via a Scale-Time Lattice 会议 CVPR 2018 原文链接 Optimizing ...

  2. ICCV 2017 《Flow-Guided Feature Aggregation for Video Object Detection》论文笔记

    本学弱喜欢在本子上记笔记,但字迹又丑. 望看不懂我的字的大佬不要喷我,看得懂的大佬批评指正.

  3. 目标检测--Beyond Skip Connections: Top-Down Modulation for Object Detection

    Beyond Skip Connections: Top-Down Modulation for Object Detection CVPR2017 under review code :(comin ...

  4. 目标检测 | RetinaNet:Focal Loss for Dense Object Detection

    论文分析了 one-stage 网络训练存在的类别不平衡问题,提出能根据 loss 大小自动调节权重的 focal loss,使得模型的训练更专注于困难样本.同时,基于 FPN 设计了 RetinaN ...

  5. 【目标检测】61、Dynamic Head Unifying Object Detection Heads with Attentions

    文章目录 一.背景 二.方法 2.1 scale-aware attention 2.2 spatial-aware attention 2.3 task-aware attention 2.4 总体 ...

  6. 目标检测(二)--Hough Forests for Object Detection

    原文: http://www.cnblogs.com/walccott/p/4956860.html 09年cvpr上提出霍夫森林的文章--Class-Specific Hough Forests ...

  7. 【3D目标检测】WEAKM3D: TOWARDS WEAKLY SUPERVISEDMONOCULAR 3D OBJECT DETECTION

    目录 概述 细节 背景 算法流程 最终损失 几何目标点云对齐损失 射线追踪损失 基于点密度的点级损失平衡 边界框参数预测的解耦 概述 [2022][WEAKM3D] 研究的问题: 核心问题:如何以2D ...

  8. Stitcher-小目标检测算法 | Stitcher: Feedback-driven Data Provider for Object Detection

    刚出来的小目标检测论文 论文地址:https://arxiv.org/pdf/2004.12432.pdf Abstract: 目标检测器通常会根据尺寸不同具有不同性能表现,其中小物体的性能最不令人满 ...

  9. 小目标检测论文笔记:Learning Calibrated-Guidance for Object Detection in Aerial Images

    论文 Learning Calibrated-Guidance for Object Detection in Aerial Images paper:https://arxiv.org/abs/21 ...

最新文章

  1. 本科计算机专业考北大软微,2022北京大学软微学院计算机智能科技考研必看经验指导(含复试解析)...
  2. [C++] 指向常量的指针 VS 指针类型的常量
  3. 穿上这件全球首款「隐形衣」,做这条街最「无脸」的仔;阿里给钱给资源,求解AI安全难题...
  4. Android --- 进入页面时,不弹出软键盘。当 EditText 被点击时不弹出软键盘,而是调用其他选择器,比如时间选择器等
  5. [linux]unixODBC的安装配置说明
  6. 麻省理工学院研究人员设计出针对幽灵党和熔毁的DAWG方法
  7. JEPLUS表格组件数据平铺——JEPLUS软件快速开发平台
  8. windows系统下如何把excel数据转换成markdown格式的表格
  9. 2019年Java初级和高级部分的技术面试
  10. [转载]无线通信系统中的调制解调基础(一):AM和FM
  11. android studio进度条的应用,Android Studio实现进度条效果
  12. 手推公式+项目实操复现!《机器学习》完整详解
  13. html5小说阅读器源码,文本源码阅读器(NexusTextView)
  14. 嵌入式学习(三)—— STM32入门
  15. LayUI的后台管理模板
  16. ng : 无法加载文件 C:\Users\Administrator\AppData\Roaming\npm\ng.ps1,因为在此系统上禁止运行脚本
  17. Java后台埋点统计
  18. Can't clobber writable file **************
  19. MRS离线数据分析:通过Flink作业处理OBS数据
  20. Marvolo Gaunt's Ring(类似于dp的做法)

热门文章

  1. VC++从txt文本中读取字符和数字
  2. 滤波、漫水填充、图像金字塔、图像缩放、阈值化
  3. News | Atomwise获投1.23亿美元推进AI药物研发
  4. Nat. Mach. Intell.| 机器学习显著降低药物组合筛选成本
  5. js webpack 配置路径_webpack中如何设置html引入js的路径
  6. 读文献先读图——主成分分析 PCA 图
  7. JupyterLab Server 搭建与使用笔记
  8. Linux 下 PostgreSQL 源码编译安装
  9. 【LorMe云讲堂】蔡枫:真菌的耐盐机制
  10. MPB:山大倪金凤组-黄翅大白蚁肠道放线菌的分离与培养