视频目标检测 - Object Detection from Video Tubelets with Convolutional Neural Networks

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