前言
论文地址:https://link.zhihu.com/?target=https%3A//arxiv.org/abs/2003.12063
代码github地址:
https://link.zhihu.com/?target=https%3A//github.com/Scalsol/mega.pytorch
提示:以下是本篇文章正文内容,下面案例可供参考
一、背景介绍
人类是如何通过视频去跟踪或者检测物体的?作者认为人类能够准确的跟踪识别物体的主要原因包括了Global segmentation information 和Local localization information 两个方面。
Global segmentation information 主要是指在整个视频(Global)中出现的高级地语义级信息(segmentation information),比如颜色、形状等信息。这里的Global更加强调的是非相邻帧图片。
Local localization information主要是指相邻视频帧(local)中出现的像素级的位置信息(localization information&#x