【视频检测】Flow-Guided Feature Aggregation for Video Object Detection
文章来源: https://arxiv.org/pdf/1703.10025.pdf
Introduction
FGFA 是Deep Feature Flow的拓展工作。其主要思路是通过光流融合相邻帧的特征图来增强本征的特征。DFF为了提升速度而牺牲精度,而FGFA为了精度而牺牲速度。
Network Architecture
图中左右间隔K=10,聚合长度为2K+1=21. 当前帧(第t帧)由于运动模糊等原因导致特征图原本有目标的部分没有响应,但相邻帧(第t+10帧)有响应的特征图弥补了这个失误。
接下来是比较重要的三个模块。
Flow-guided warping
这部分计算帧i和帧j(i为当前帧,j为i相邻某帧)之间的流场(用FlowNet),然后将帧j的特征图根据流场映射到i去,记为f j->i;
Feature aggregation
融合各帧的特征图,用的是带权平均。
这里w j->i 是2D的,也就是特征图每个channel的权重是相同的。
融合后就可以将结果送入最终的任务网络了
Adaptive weight
剩下的就是确定每帧的权重了。基本思想是与当前帧越相似的,对应的权重系数应该越大。但是,文章并没有直接衡量特征图的相似度(这样会导致当前帧的“提议”仍然占优,抑制了差异帧的“提议”),而是再用一个嵌入子网络对特征图处理(可以理解成一种平滑操作),得到的输出(这里暂且称为嵌入特征图)再用余弦相似度比较。
其中p表示嵌入特征图的位置(x,y)。
嵌入子网络的构造:三层卷积层,卷积核参数分别为(1x1x512),(3x3x512), (1x1x2048).
【视频检测】Flow-Guided Feature Aggregation for Video Object Detection相关推荐
- 视频目标检测--Flow-Guided Feature Aggregation for Video Object Detection
Flow-Guided Feature Aggregation for Video Object Detection https://arxiv.org/abs/1703.10025 Our fram ...
- 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.
- 【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 ...
- 读书笔记22:Optical Flow Guided Feature: A Fast and Robust Motion Representation for Video Action Recogni
文章题目:Optical Flow Guided Feature: A Fast and Robust Motion Representation for Video Action Recogniti ...
- CVPR,2018,THP-Towards High Performance Video Object Detection面向高性能的视频目标检测
CVPR是IEEE Conference on Computer Vision and Pattern Recognition的缩写,IEEE国际计算机视觉与模式识别会议.该会议是由IEEE举办的计算 ...
- 目标检测--Feature Pyramid Networks for Object Detection
CVPR2017 Feature Pyramid Networks for Object Detection https://arxiv.org/abs/1612.03144 Code will be ...
- 目标检测--Rich feature hierarchies for accurate object detection and semantic segmentation(CVPR 2014)
Rich feature hierarchies for accurate object detection and semantic segmentation 作者: Ross Girshick J ...
- 深度学习论文阅读目标检测篇(一):R-CNN《Rich feature hierarchies for accurate object detection and semantic...》
深度学习论文阅读目标检测篇(一):R-CNN<Rich feature hierarchies for accurate object detection and semantic segmen ...
- 目标检测经典论文——R-CNN论文翻译:Rich feature hierarchies for accurate object detection and semantic segmentation
Rich feature hierarchies for accurate object detection and semantic segmentation--Tech report (v5) 用 ...
- 《Feature Pyramid Networks for Object Detection》论文阅读笔记
FPN 很多论文中都会采用含有FPN的backbone进行特征提取,因为FPN使用特征金字塔结构,将low-level的特征和high-level的特征进行融合,能提取更加准确的位置等特征信息. 所以 ...
最新文章
- CSS3:linear-gradient,线性渐变的使用方法
- 华为ensp小实验(路由下发+Easy IP+单臂路由+OSPF+Rip)
- 如何在SAP云平台Neo环境里进行workflow(工作流)的开发
- spring 查找实现类_69道Spring面试题和答案
- 如何将maven项目打包成可执行的jar
- 使用vs2017 作为matlab2016a b编译器 解决无法找到编译器问题【免费】
- for循环用i++和++i哪个效率高?
- 波士顿房价预测python决策树_机器学习·波士顿房价预测模型
- Ubuntu16.04 ORB_SLAM2的安装教程
- 自定义tooltip
- mysql考试_mysql考试总结
- Jupyter Notebook 快捷键、安装主题、修改颜色、设置字体、注释斜体修改
- “数据源“SqlServer ”包含无法用于处理操作的 ImpersonationMode。不能与名称为“SqlServer ”的数据源进行连接。”
- 计算机电缆参数,计算机电缆的几个参数要求
- vscode win10笔记本 蓝屏_遇到win10电脑蓝屏怎么办_简单解决win10蓝屏的方法
- word操作技巧:不同情况的文字统计方法
- 村田晶振的料号暗藏什么意义呢
- Android界面布局练习
- 高性能服务器编程-信号
- 如何用微信朋友圈引起客户注意?