- 博客(5)
- 收藏
- 关注
原创 视频多目标跟踪paper(一)《ByteTrack: Multi-Object Tracking by Associating Every Detection Box》
【亮点概述】1.将高分检测框和低分检测框都进行关联来跟踪,有效利用了被遮挡物体的碎片,对遮挡影响有很好的跟踪效果。对于低分检测框,利用其与tracklet的相似性来恢复真实对象,并过滤掉背景检测。2.提出了一种简单有效的关联方法BYTE。3.设计了一个简单强大的跟踪器ByteTrack,采用了YOLOX获取检测框并于BYTE关联。4.应用于9种不同的最先进的跟踪器时,几乎所有指标都取得了显著的改进。引用概念:Trajectory(轨迹) 为MOT的输出量,一个Trajector
2022-04-14 13:46:41
4044
原创 视频实例分割paper(一)《Video Instance Segmentation》
【主要贡献】1.视频实例分割第一次被正式定义和探索2.创建了第一个大规模视频实例分割数据集 2.9k视频 40个目标类别3.提出一种新的视频实例分割算法MaskTrack R-CNN,在Mask R-CNN引入一个新的分支,同时检测,分割和跟踪视频中的实例。4.实时,两阶段【Introduction】图像实例分割 同时检测和分割图像中的对象实例。 视频实例分割 同时检测、分割和跟踪视频中的对象实例。 与VIS相关的任务 定义 区别 Image
2022-04-11 14:33:42
6500
原创 视频目标检测paper(三)《Temporal ROI Align for Video Object Recognition》
这篇文章作为2021年的AAAI视频目标检测类文章,可以说是现在视频目标检测的最新技术之一了,并且已经集成到了MMtracking框架之中,可以说是集合了计算机视觉,深度学习,目标检测,视频检测等知识综合性较强的文章,以小编现在的水平很难融汇贯通,所以说作为一个笔记总结吧,以后水平提高会重新总结这篇文章,希望看到的朋友们不要见怪哈。【Abstract】将来自同一视频的其他帧的时间信息聚合到当前帧是一种应对针对外观恶化的自然选择。ROI-Align仍是对目标从单帧特征图中提取特征,使得提取的特征缺
2022-03-29 13:37:51
1902
原创 视频目标检测paper(二)《Sequence Level Semantics Aggregation for Video Object Detection》
【亮点概述】1.不依赖光流或递归神经网络进行特征聚合,不强调时间上相邻的帧,而是进行全局聚类。2.在整个视频序列上聚集特征,将视频视为一包无序的帧,去学习每种类别的表示,可以理解为多镜头检测任务(视频由多组对象组成,对象的外观退化表现为类内特征变化较大),解决了无法在固定的时间范围之外利用视频的丰富信息的问题。3.设计了新的序列级的语义聚合模块(SELSA)。4.不需要复杂的后处理,管道简单干净。后处理方法:试图通过设计复杂的规则连接静态图像检测器生成的边界框,从而整合视频级别的信息。
2022-03-16 21:17:47
5022
1
原创 视频目标检测paper带读(一)《Flow-Guided Feature Aggregation for Video Object Detection》
【亮点概述】1.提出了光流引导特征聚合方法(沿运动路径聚集附近的特征来改进每帧特征,从而提高视频识别精度)2.一种精确的端到端学习框架3.对快速移动对象的识别有明显的效果【introduction】首先,我们处理的视频中有关于需要识别对象的丰富信息,在短时间内的快照可观察到,并且同一对象的特征通常不会跨帧在空间上对齐。所以,简单的功能聚合甚至可能会降低性能。flow-guided feature aggrega-tion(FGFA)可以有效地利用快速移动对象的各种...
2022-03-10 20:19:22
3685
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人