文件名称：matlab精度检验代码-mindelay:ICCV2019年的``从视频中检测最小延迟的物体''
文件大小：46KB
文件格式：ZIP
更新时间：2024-06-10 19:05:34
系统开源
matlab精度检验代码视频中的最小延迟对象检测 ICCV 2019论文的演示。 简要介绍 对于几乎每一个计算机视觉任务，如果单个框架的结果都不可靠，我们总是可以等待另一个框架，获得另一个结果，将两个框架的结果相结合，并希望在大多数情况下可以得到更好的结果准确性/可靠性。 简单的逻辑。 但是，等待另一帧==>更长的延迟。 例如，自动驾驶汽车永远都不能容忍长时间的延误。 我们不希望仅仅因为障碍物检测算法正在“等待另一帧”而被杀死。 另一方面，通过在每个单帧中输出一些废话并为障碍物贴花，车辆可以实现绝对零延迟。 这样，车辆将永远无法移动... 有什么方法可以平衡延迟和准确性？ 好吧，您可以阅读...如果您发现该论文难以理解，您可以看一下第一篇。 该理论和算法在一定容忍精度水平下提供了渐近最优延迟。 基于该理论，我们进行了一些建模，修改和简化，并使其以某种方式在对象检测任务中起作用。 如果您对移动物体的检测和分割感兴趣，还可以查看我们的其他论文：... 玩演示 设置演示 好吧，所提出的框架应该可以与在单个帧上运行的任何对象检测器一起工作（而且我懒于编写自己的检测器）。 由于使用简单，我只是在
【文件预览】：
mindelay-master
----faster_rcnn_r101_fpn_1x.py(4KB)
----detection.py(2KB)
----README.md(5KB)
----Evaluation_toolbox()
--------IoU.m(336B)
--------convert_result.m(743B)
--------get_initialized_region.m(1KB)
--------load_ground_truth.m(1KB)
--------evaluate_result.m(3KB)
--------nms_mex.cpp(3KB)
--------nms.m(2KB)
--------nms_mex.mexw64(24KB)
----evaluation.m(3KB)
----mindelay()
--------__init__.py(1B)
--------association()
--------toolbox()
----Resnet101_Faster_RCNN.jpg(27KB)