用于视频目标检测的鲁棒高效后处理
计算机视觉与模式识别
2020-09-24 v1 机器学习
摘要
视频中的目标识别是众多应用的重要任务，包括自动驾驶感知、监控任务、可穿戴设备或 IoT 网络。由于模糊、遮挡或罕见目标姿态，使用视频数据的目标识别比使用静态图像更具挑战性。具有高计算成本的专用视频检测器或标准图像检测器配合快速后处理算法实现了当前最优（SOTA）。本工作引入了一种新颖的后处理流水线，通过引入跨帧检测间基于学习的相似性评估，克服了先前后处理方法的若干局限。我们的方法改进了 SOTA 专用视频检测器的效果，尤其在快速运动目标方面，且资源需求低。应用于 YOLO 等高效静态图像检测器时，可提供与计算密集得多的检测器相当的结果。
引用
@article{arxiv.2009.11050,
title = {Robust and efficient post-processing for video object detection},
author = {Alberto Sabater and Luis Montesano and Ana C. Murillo},
journal= {arXiv preprint arXiv:2009.11050},
year = {2020}
}
备注
Submitted to the International Conference on Intelligent Robots and Systems, IROS 2020