用于视频目标检测的渐进稀疏局部注意力
计算机视觉与模式识别
2019-08-19 v3
摘要
将基于图像的目标检测器迁移到视频领域仍然是一个具有挑战性的问题。以往的努力大多利用光流跨帧传播特征，旨在实现精度与效率之间的良好权衡。然而，引入额外的模型来估计光流会显著增加整体模型大小。光流与高层特征之间的差距也会阻碍其准确建立空间对应关系。本文不依赖光流，提出一种称为渐进稀疏局部注意力（PSLA）的新模块，该模块在以逐渐更稀疏的步长在局部区域内建立跨帧特征之间的空间对应关系，并利用该对应关系传播特征。基于 PSLA，提出递归特征更新（RFU）和稠密特征变换（DenseFT），分别用于在新型视频目标检测框架中建模时间外观和丰富特征表示。在 ImageNet VID 上的实验表明，与现有方法相比，我们的方法以更小的模型大小和可接受的运行速度取得了最佳精度。
引用
@article{arxiv.1903.09126,
title = {Progressive Sparse Local Attention for Video object detection},
author = {Chaoxu Guo and Bin Fan and Jie Gu and Qian Zhang and Shiming Xiang and Veronique Prinet and Chunhong Pan},
journal= {arXiv preprint arXiv:1903.09126},
year = {2019}
}