利用运动先验的交通视频目标检测

交通视频因其摄像机固定设置而固有地不同于通用视频，从而提供了强运动先验：物体常在短时间区间内沿特定方向移动。现有工作主要采用通用视频目标检测框架进行交通视频目标检测，这带来了广泛适用性和对多样场景的鲁棒性等优势。然而，它们未能利用运动先验的优势来提升检测精度。在本工作中，我们提出两种创新方法以利用运动先验，提升全监督与半监督交通视频目标检测的性能。首先，我们引入一个新的自注意力模块，在全监督设定下利用运动先验引导时间信息整合。其次，我们利用运动先验开发伪标注机制，以消除半监督设定下的噪声伪标签。我们这两种以运动先验为中心的方法均持续展现出优越性能，在 mAP 上以 2% 的优势超越现有 SOTA 方法。