ECCV 2020 论文大盘点-视频目标检测篇
本文盘点ECCV 2020 中所有视频目标价检测(Video Object Detection)相关的论文,总计 4 篇,其中 2 篇论文代码将开源。
对视频中的目标进行检测,当然可以转化为对每帧图像进行检测,可以利用视频中多帧信息提升检测精度,但这样做无疑计算量很大,如何利用视频中的时序信息提高精度,如何进行计算加速,成为研究的重点。
下载包含这些论文的 ECCV 2020 所有论文:
[1]. Video Object Detection via Object-level Temporal Aggregation
作者 | Chun-Han Yao, Chen Fang , Xiaohui Shen , Yangyue Wan, Ming-Hsuan Yang
单位 | 加州大学默塞德分校;腾讯;字节跳动;谷歌
论文 | https://www.ecva.net/papers/eccv_2020/
papers_ECCV/papers/123590154.pdf
结合关键帧目标检测+目标跟踪的视频目标检测,在CPU上课达到实时。
[2]. Learning Where to Focus for Efficient Video Object Detection
作者 | Zhengkai Jiang, Yu Liu, Ceyuan Yang, Jihao Liu, Peng Gao, Qian Zhang, Shiming Xiang, Chunhong Pan
单位 | 中科院;国科大;香港中文大学;Horizon Robotics
论文 | https://arxiv.org/abs/1911.05253
代码 | https://github.com/jiangzhengkai/LSTS
高效视频目标检测,在TITAN V GPU上能跑到实时(22 FPS)。
[3]. Mining Inter-Video Proposal Relations for Video Object Detection
作者 | Mingfei Han , Yali Wang , Xiaojun Chang , Yu Qiao
单位 | 中科院;蒙纳士大学
论文 | https://www.ecva.net/papers/eccv_2020/
papers_ECCV/papers/123660426.pdf
代码 | https://github.com/youthHan/HVRNet
通过以分层方式集成视频内和视频间Proposal 关系来设计分层视频关系网络(HVR-Net)。该设计可以逐步利用内部和内部上下文来增强视频对象检测。在 ImageNet VID数据集上取得了SOTA。
[4]. CenterNet Heatmap Propagation for Real-time Video Object Detection
作者 | Zhujun Xu, Emir Hrustic, Damien Vivet
单位 | Universit´e de Toulouse
论文 | https://www.ecva.net/papers/eccv_2020/
papers_ECCV/papers/123700222.pdf
将CenterNet 用于视频目标检测,ImageNet VID 数据集上在线检测精度 76.7% mAP at 37 FPS 离线检测精度 78.4% mAP at 34 FPS。
更多阅读:
备注:检测
目标检测交流群
扫码备注方向拉你入群。
我爱计算机视觉
微信号:aicvml
QQ群:805388940
微博知乎:@我爱计算机视觉
网站:www.52cv.net
在看,让更多人看到