BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- CaTDet是一种利用视频时间相关性加速物体检测的系统。
- CaTDet由两个DNN模型和一个额外的跟踪器组成。
- 该系统使用新度量mean Delay（mD）来设计延迟关键视频应用。
- 在KITTI数据集上，CaTDet将操作次数降低了5.1-8.7倍，且平均精度与单模型Faster R-CNN相同，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。
➡️
