Mobile Video Object Detection with Temporally-Aware Feature Maps
文章作者来自谷歌，发表在CVPR2018上面。 摘要： 本文提出了一个视频目标检测的在线模型，用于在移动设备和边缘设备上实时运行。我们的方法将速度快的单帧目标检测器和LSTM层结合，得到一个混 ...
原文：【转】Looking Fast and Slow: Memory-Guided Mobile Video Object Detection
参考：https: mp.weixin.qq.com s Sq dBuU aY Ug NBZMc lA Motivation 物体在快速运动时，当人眼所看到的影像消失后，人眼仍能继续保留其影像，约 . . 秒左右的图像，这种现象被称为视觉暂留现象。人类在观看视频时，利用视觉暂留机制和记忆能力，可以快速处理视频流。借助于存储功能，CNN同样可以实现减少视频目标检测的计算量。 视频帧具有较高的时序冗余 ...
2019-04-08 16:35 0 874 推荐指数：
相关推荐
Flow-Guided Feature Aggregation for Video Object Detection论文笔记
摘要 目前检测的准确率受物体视频中变化的影响，如运动模糊，镜头失焦等。现有工作是想要在框的级别上寻找时序信息，但这样的方法通常不能端到端训练。我们提出了flow-guided feature aggregation，一个用于视频物体检测的端到端学习框架。在特征级别上利用时序信息，通过相邻帧的运动 ...
Fast YOLO: A Fast You Only Look Once System for Real-time Embedded Object Detection in Video 学习笔记
Abstract 目标检测被认为是计算机视觉领域最具挑战性的问题之一，因为它涉及场景中物体分类和物体定位的组合。最近，与其他方法相比，深度神经网络（DNN）已经被证明可以实现出色的物体检测性能， ...
论文简读:Memory-guided Unsupervised Image-to-image Translation
一篇用内存思想来完成Instance-level i2i translation工作的文章。全名是memory-guided unsupervised I2I translation (MGUIT)。 至于这个memory network是什么，后文再说。 Related works就不多介绍 ...
Progressive Sparse Local Attention for Video object detection
motivation: 之前使用flownet的方法有诸多弊端。 1.在检测框架中加入光流网络极大地增加了检测器模型的参数，无法用在移动端。 2.光流原本是描述两张图片间像素点的位移的，直接将其 ...
（转）Awesome Object Detection
Awesome Object Detection 2018-08-10 09:30:40 This blog is copied from: https://github.com/amusi/awesome-object-detection This is a list ...
论文笔记《Spatial Memory for Context Reasoning in Object Detection》
detection中如何有效的利用context信息的问题，这里作者提出了有两种context信息：1、ima ...
Shifting More Attention to Video Salient Object Detection 学习笔记
突出/显眼目标的识别广泛用于机器视觉，自动驾驶等领域，研究表明，人的眼睛对于显眼和不显眼的目标的识别的方式有着显著的不同 但是由于各类原因，vsod的领域面临着很多挑战，所以，针对这些，这篇文章主要 ...