SGE-Net：基于压缩GRU与信息熵图的视频目标检测
计算机视觉与模式识别
2021-06-15 v1
摘要
近年来，基于深度学习的视频目标检测吸引了越来越多的关注。与静态图像的目标检测相比，视频目标检测由于物体运动且提供丰富的时间信息而更具挑战性。基于RNN的算法是利用时间信息提升视频检测性能的有效途径。然而，该领域多数研究仅关注精度，忽视了计算成本与参数量。本文提出一种高效方法，结合通道缩减的卷积GRU（压缩GRU）与信息熵图用于视频目标检测（SGE-Net）。实验结果验证了压缩GRU在精度提升与计算节省上的效果，以及信息熵注意力机制在分类性能上的优越性。与基线相比，mAP提升了3.7，与标准GRU相比参数量从633万减少至67万。
引用
@article{arxiv.2106.07224,
title = {SGE net: Video object detection with squeezed GRU and information entropy map},
author = {Rui Su and Wenjing Huang and Haoyu Ma and Xiaowei Song and Jinglu Hu},
journal= {arXiv preprint arXiv:2106.07224},
year = {2021}
}
备注
ICIP 2021