Fully Motion-Aware Network for Video Object Detection

来自清华的一篇文章，发表在ECCV2018上，是对FGFA做的改进。

　　针对R-FCN这一目标检测算法做出的专有改进，目前看来这个方法只适合用在R-FCN，无法迁移到其他目标检测算法，如faster rcnn、SSD等。

具体的做法是这样的，FGFA就是图中左半部分，分别提取相邻帧的图片特征，并用光流做对齐，这篇文章有意思的点在于他对多帧特征进行的是求和去平均值，

没用加权平均，作者称直接取平均得到的结果和加权平均相差不大，还能减少计算量。作者称左边这一步为像素级的对齐。右边是作者提出的实例级的对齐，将每一张图片的

特征送入检测网络，得到多个proposal的位置敏感图，再利用光流对得到的位置敏感图进行对齐，将对齐后的结果取平均做一个增强，达到了还不错的效果。

在VID上达到了78.1的mAP，但文章里没有提速度，感觉比FGFA会慢一些。

 

转载于:https://www.cnblogs.com/hf19950918/p/10588746.html