CVPR2016
code: https://github.com/myfavouritekk/vdetlib
基于静态图像的CNN目标检测问题已经很多人研究。而基于视频的CNN目标检测问题则是刚刚起步。主要问题是目标检测和跟踪的有效结合。
针对视频中的目标,单独的检测和单独的跟踪都会有波动。
我们的视频目标检测框架图:
主要包括两个模块:
1 a spatio-temporal tubelet proposal module
2 a tubelet classification and re-scoring module
3.2. Spatio-temporal tubelet proposal
tubelet proposal module 包含三个步骤:
Step 1: Image object proposal,对每帧图像使用 Selective Search (SS) 进行候选区域提取。然后使用 R-CNN 对候选区域进行一个过滤,将明显非目标区域过滤,大约 6.1%的候选区域留下来。
Step 2: Object proposal scoring,使用经 DET 任务微调的 GoogLeNet 作为检测器,使用第五层池化特征训练SVM分类器,对剩下的候选区域打分。
Step 3: High-confidence pro