用于流感知的实时物体检测【CVPR2022】【目标检测】

2564
1
2022-04-27 16:01:19
正在缓冲...
46
15
67
32
作者已在ReadPaper上回答好了论文十问,记得阅读,有助于加深对论文的理解 Real-time Object Detection for Streaming Perception https://readpaper.com/paper/667252896654614528?channel=bili_kscvpr2022 本文证明了使用实时检测模型相比非实时模型在自动驾驶的流感知问题上能够最小的避免算法检测结果和周围环境不一致而带来的决策误差问题。然后进一步分析与证明了在使用实时模型的情况下诸多后处理方法将不再起作用,然后得出实时模型还存在所有的决策误差全都由模型不能感知未来周围环境所导致的。基于以上发现,本文提出一套非常简洁的方法去赋能传统检测器,使其具备感知未来的能力。具体来说,本文提出一个双流感知模块用于捕捉静态信息和动态信息以及一个趋势感知损失为周围物体产生自适应关注权重。基于本文提出的范式,模型的训练和未来预测都是端到端的,并且在推理的时候不会带来额外的时间延迟。本文的架构能够在静止和任何速度的车辆行驶情况下表现鲁棒。该方法在Argoverse-HD数据集上取得精度的最佳结果并且击败了该比赛的最佳成绩。
ReadPaper是沈向洋老师创办的IDEA研究院研发的论文阅读产品,欢迎登陆readpaper.com,快乐读论文。
自动连播
5.1万播放
简介
论文连讲:用重参数化赋予MLP网络局部性、超大卷积核架构【CVPR2022】【基础模型】
01:18:38
用于流感知的实时物体检测【CVPR2022】【目标检测】
44:40
遮挡场景下的端到端渐进式物体检测【CVPR2022】【目标检测】
29:49
一种使用动态多层感知机融合时空信息的细粒度图像分类方法【CVPR2022】【图像分类】
24:10
基于自适应相关级联递归网络的实用双目匹配【CVPR2022】【3D】
25:17
FS6D:用于新物体的少样本 6D 位姿估计【CVPR】【3D】
33:44
解耦知识蒸馏【CVPR2022】【知识蒸馏】
38:03
用于3D目标检测的焦点稀疏卷积神经网络【CVPR2022】【3D检测】
39:19
使用Transformer捕捉全局上下文信息的多视图立体视觉网络【CVPR2022】【3D】
29:18
客服
顶部
赛事库 课堂 2021拜年纪