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。