2021-06-30 MEGA论文阅读+代码复现

---

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