共计 662 个字符，预计需要花费 2 分钟才能阅读完成。
一、背景介绍
传统视频指标检测（Video Object Detection, VOD）工作以一段视频作为输出，利用视频的时序信息进行指标检测，并最终输入每一帧视频帧的检测后果。其相比图像指标检测（Image Object Detection, IOD）工作，劣势在于可能利用视频的时序信息，对静止含糊、图像失焦、遮挡、物体姿势变动等艰难的场景具备更强的鲁棒性。然而，传统的 VOD 和 IOD 都是离线（offline）的检测，即仅思考算法的检测精度，未思考算法的延时。
为了更加贴近事实场景，ECCV 2020 论文《Towards Streaming Perception》[1]（取得 Best Paper Honorable Mention）首次提出了流感知（Streaming Perception）工作，该工作作为 VOD 的一个细分方向，提出了流均匀精度（Streaming Average Precision, sAP）指标，掂量算法的在线（online）检测能力，即同时掂量算法的精度和延时。
残缺内容请点击下方链接查看：
https://developer.aliyun.com/article/1255157?utm_content=g_10…
版权申明：本文内容由阿里云实名注册用户自发奉献，版权归原作者所有，阿里云开发者社区不领有其著作权，亦不承当相应法律责任。具体规定请查看《阿里云开发者社区用户服务协定》和《阿里云开发者社区知识产权爱护指引》。如果您发现本社区中有涉嫌剽窃的内容，填写侵权投诉表单进行举报，一经查实，本社区将立即删除涉嫌侵权内容。
正文完
