SaccadeDet: 基于新型双阶段架构的基于吉卜像素图像快速准确检测
原文中文，约300字，阅读约需1分钟。发表于：。通过模仿人眼的扫视运动，我们提出了 SaccadeDet 架构，针对巨像素图像进行目标检测。在 PANDA 数据集上的评估表明，我们的方法不仅在速度上超过了最先进的方法 8 倍，而且在巨像素级别病理学分析方面也有重大潜力，特别是应用于整张组织切片图像。
CaTDet是一种利用视频中的时间相关性加快物体检测速度的系统，由两个DNN模型和一个跟踪器组成。实验结果表明，CaTDet在KITTI数据集上将操作次数降低了5.1-8.7倍，具有与单模型Faster R-CNN检测器相同的平均精度（mAP），额外延迟仅为0.3帧。在CityPersons数据集上，CaTDet减少了13.0倍的操作，损失了0.8％的mAP。
