MTD: 延迟流式感知的多时间步检测器
原文中文，约300字，阅读约需1分钟。发表于：。本文提出了一种多时间步检测器（MTD），其利用动态路由进行多分支未来预测，使模型能够抵抗延迟波动，并且构建了一个延迟分析模块（DAM）和一个时间步骤分支模块（TBM），用于优化现有的延迟感知方法和自适应预测特定时间步骤。在 Argoverse-HD 数据集上的实验结果表明，该方法在各种延迟设置下均取得了最先进的性能。
CaTDet是一种利用视频中的时间相关性加速物体检测的系统，具有与单模型Faster R-CNN检测器相同的平均精度，操作次数降低了5.1-8.7倍，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0.8％的mAP。
