Impression Network for Video Object Detection
基于印象机制的高效多帧特征融合,解决defocus and motion
blur等问题(即视频中某帧的质量低的问题),同时提高速度和性能。
类似TSN,每个segment选一个key frame(注意,TSN做视频分类是在cnn最后才融合不同的segments)。特征融合前需要用Optical flow(FlowNet-S)来对齐。
目前使用的是fixed segment length,联想Deep Alternative Neural Network使用的自适应视频分段方法。
Detect to Track and Track to Detect
思考:track是不是可以代替印象网络中的光流来自动做对齐?
Mobile Video Object Detection with Tempo