NoScope：极速视频目标检测

最新推荐文章于 2024-07-16 09:37:48 发布
最新推荐文章于 2024-07-16 09:37:48 发布
阅读量9.8k 收藏 22
点赞数 8
分类专栏： 深度学习 深度学习基础 文章标签： CNN YOLO SSD NoScope CNN 1000倍
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/linolzhang/article/details/77688964
版权
NoScope是斯坦福大学提出的视频目标检测系统，通过跳帧和轻量级CNN模型提升检测速度上千倍，降低了视频分析的成本。该系统包含模型专业化、差异检测和基于代价的模型选择三个部分，旨在利用视频的时间和空间局部性优化检测效率。实验结果显示，NoScope相比于通用CNN有显著的性能提升。
摘要由CSDN通过智能技术生成

一.提出背景

       在基于CNN的方法提升到一个很高的准确度之后，效率又成为人们所关注的话题，目前兼备准确度和效率的方法包括 SSD、YOLO v2，其检测效率通常能到达 30-100FPS，而这里面的代价就是上万块的显卡，这个代价是相当高的。当下视频获取设备（CCTV摄像头）成本通常是几百块，而采用上述分类算法，其成本可能是几千，这就是视频获取和视频分析之间的巨大鸿沟。

       基于此，斯坦福大学提出了一种系统 NoScope，将视频分析的速度提升上千倍，我们接下来就看看这个牛逼吹的很大的系统到底是什么？

       论文：NoScope: Optimizing Neural Network Queries over Video at Scale 【点击下载】

       TensorFlow代码：【Github】

       核心思想：由于视频目标是连续的，里面包含了大量时间局部性（temporal locality，即在不同的时间是相似的）和空间局部性（spatial locality，即在不同场景中看起来是相似的）。通过以下两点来进行优化：

最低0.47元/天 解锁文章
linolzhang
关注
专栏目录
VID-视频目标检测
qq_40469867的博客
10-07 1767
视频目标检测 part 1 论文整理 有开源的 DFF (2017CVPR): Deep Feature Flow for Video Recognition paper code FGFA (2017ICCV): Flow-guided feature aggregation for video object detection paper code STMN (2018ECCV): Video object detection with an aligned spatial-temporal memor
【转载】ILSVRC2016目标检测任务回顾：视频目标检测（VID）
每天进步一点点
01-11 2237
【转载】ILSVRC2016目标检测任务回顾：视频目标检测（VID）转载自： http://geek.csdn.net/news/detail/133792 图像目标检测任务在过去三年的时间取得了巨大的进展，检测性能得到明显提升。但在视频监控、车辆辅助驾驶等领域，基于视频的目标检测有着更为广泛的需求。由于视频中存在运动模糊，遮挡，形态变化多样性，光照变化多样性等问题，仅利用图像目标检测技术
MEGA 视频目标检测方法详解
最新发布
秋山丶雪绪的博客
07-16 1108
2020 - CVPR -《Memory enhanced global-local aggregation for video object detection》视频目标检测方案详解
视频目标检测中关于对检测出的目标进行”安全处理“问题
wonengguwozai的博客
08-09 4180
最近做视频的目标识别和追踪计数，编译连接均没有问题，但是在测试时出现了问题，只要标出的box与视频的边界接触就会出现程序崩溃，并提示出opencv的断言提示：OpenCV Error: Assertion failed (0 <= roi.x && 0 <= roi.width && roi.x + roi.width<= m.cols &...
学界 | 斯坦福提出高速视频目标检测系统NoScope：速度超现有CNN上千倍
yangdeshun888的博客
07-13 1392
卷积神经网络在目标检测任务上已经取得了优良的表现，但它们的计算成本比较高、速度比较慢，不适用于大规模的实时视频处理。为了解决这个问题，斯坦福大学的几位研究者提出了一个名叫 NoScope 的系统，将目标检测的速度提升了数千倍。该研究的相关论文和代码也已发布，本文是这些研究者对该项目的介绍文章，机器之心对其进行了编译介绍。 论文地址：https://arxiv.org/abs/1703.0
YoloV：视频中目标实时检测依然很棒（附源代码下载）
gzq0723的博客
09-23 4405
点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院学习群｜扫码在主页获取加入方式论文地址：https://arxiv.org/pdf/2208.09686.pdf代码地址：https://github.com/YuHengsss/YOLOV01概述视频目标检测(VID)具有挑战性，因为目标外观的高度变化以及某些帧中的各种劣化。积极的一面是，与静止图像相比，在视频的某一帧中进行检测可以得到其他...
Python-NoScope极速视频目标检测
08-11
Python-NoScope极速视频目标检测是基于机器学习技术的视频分析框架，主要专注于高效地执行目标检测任务。NoScope这个名字暗示了它的核心特性——无需复杂的预处理步骤或深度学习的超大规模计算，它能够快速地在视频...
【论文笔记】视频物体检测(VID)系列 NoScope:1000x的视频检索加速算法
elaine_bao的专栏
12-17 1708
计算机视觉的进展，特别是近期深度神经网络的进展，使得在不断增长的视频数据中进行检索成为可能。但是，基于神经网络去做大规模视频检索，直接的问题就是计算量激增。比如现在最快的物体检测器能达到1～2.5x real time的效率（30～80fps），前提是买一个$4000的GPU。
面试真题总结：Faster Rcnn，目标检测，卷积，梯度消失，Adam算法
热门推荐
柏拉图工作室-AI学科
01-19 2万+
目标检测可以分为两大类，分别是什么，他们的优缺点是什么呢？ 答案：目标检测算法分为单阶段和双阶段两大类。单阶段目标验测算法（one-stage），代表算法有 yolo 系列，SSD 系列；直接对图像进行计算生成检测结果，检测速度快，但检测精度低。双阶段目标验测算法（two-stage），代表算法 RCNN 系列；先对图像提取候选框，然后基于候选区域做二次修正得到检测点结果，检测精度较高，但检测速度较慢。【单阶段偏应用,因为在精度没有差很多的情况下，速度很快，就会选择单阶段目标检测算法；双阶段偏比赛，只注重精
目标检测Tensorflow:Yolo v3代码详解 （1）
qq_45312141的博客
04-28 5055
目标检测Tensorflow:Yolo v3代码详解 （1）一、标注数据1、标注工具2、数据集编号3、标注数据4、利用voc制作自己的数据集二、构建yolov3模型1、YOLO-V3模型设计思想2、YOLO-V3网络3、构建 yolo-v3 网络模型了 yolov3.py导出导入 一、标注数据 1、标注工具 这里给一个labelimg软件的传送门https://pan.baidu.com/s/1t...
Python-端到端视频目标检测ImageNetVID2017优胜方案
08-10
端到端视频目标检测(ImageNet VID 2017优胜方案)
视频目标检测VID论文及代码（更新至2020.12）
安卓 高通 bsp ，同行欢迎交流
11-24 2365
写在前面 因为和实验室另一个同学研究方向重了，所以只能换方向。。恰巧看到视频目标检测这个题目，就换了，结果。。不出意料的入坑了。。泪 不过目前目标检测做的真的已经很好，咱也不可能像那些大牛们想出anchor-free的方法，one-stage，two-stage，然后现在分为anchor-base与anchor-free。看这名字，多优美。就感觉非常系统。 ...
探秘NoScope：斯坦福大学未来数据实验室的智能代码分析神器
gitblog_00073的博客
04-19 388
探秘NoScope：斯坦福大学未来数据实验室的智能代码分析神器 项目地址:https://gitcode.com/stanford-futuredata/noscope 引言 在编程世界中，有效、快速地理解与分析代码是每个开发者必须面对的挑战。NoScope 是一个由斯坦福大学未来数据实验室开发的开源项目，旨在帮助开发者更轻松地理解和探索大规模代码库。本文将深入探讨NoScope的技术特性、应用场...
noscope_NoScope：将神经网络查询扩展到现实世界
weixin_26726011的博客
09-08 496
noscopeNeural networks have expanded the breadth of tasks we can perform and revolutionized the accuracies at which we can achieve them. However, they are computationally expensive and thus make it di...
目标检测的评价指标、输出帧率和控制目标检测速度
shangshanegsn的博客
09-17 837
目标检测的评价指标、输出帧率和控制目标检测速度
斯坦福新深度学习系统 NoScope：视频对象检测快1000倍
weixin_34362991的博客
10-21 197
以作备份，来源http://jiasuhui.com/archives/178954 本文由“新智元”（微信ID：AI_era）编译，来源：dawn.cs.stanford.edu，编译：刘小芹 斯坦福大学的新研究构建一个名为 NoScope 的深度学习视频对象检测系统，利用视频的局部性对 CNN 模型进行优化，相比当前性能最好的YOLOv2 或 Faster R-CNN 速度加快了...
Noscope视频查询优化复现过程
weixin_44172434的博客
09-07 537
Noscope是在2017年提出的大规模数据视频的查询算法，通过采取差分检测器对视频帧的提取极大地提升运行速度，并且在检测时使用的轻量级CNN算法也很好地加速，是一种很好的视频查询加速思路。 项目的github地址：noscope Noscope实战教程基本环境配置要求1 环境安装1.1 安装tensorflow-gpu 0.12.0和keras 1.21.2 安装带有ffmpeg的opencv3.21.3 安装 bazel0.4.5二级目录三级目录 基本环境配置要求 根据官方项目的要求，我们首先配置如下：
【深思考人工智能】目标检测算法精彩集锦，从图像到视频+从传统到深度
shensikaoAI的博客
12-12 979
目标检测算法论文大杂烩 [overfeat](http://arxiv.org/abs/1312.6229) [RCNN](http://arxiv.org/abs/1311.2524) [SPP-Net](http://arxiv.org/pdf/1406.4729.pdf) [Fast-RCNN](http://arxiv.org/abs/1504.08083)
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值