我們提出了一個(gè)新穎的多任務(wù)學(xué)習(xí)系統(tǒng)，它結(jié)合了外觀和運(yùn)動(dòng)線索，以更好地對(duì)環(huán)境進(jìn)行語(yǔ)義推理。我們引入了一個(gè)用于聯(lián)合車輛檢測(cè)和運(yùn)動(dòng)分割的統(tǒng)一架構(gòu)。在這個(gè)架構(gòu)中，兩個(gè)任務(wù)之間共享一個(gè)雙流編碼器。為了在自動(dòng)駕駛環(huán)境中評(píng)估我們的方法，使用KITTI注釋序列與檢測(cè)和測(cè)距的基礎(chǔ)真相來自動(dòng)生成車輛的靜態(tài)/動(dòng)態(tài)注釋。這個(gè)數(shù)據(jù)集被稱為KITTI移動(dòng)物體檢測(cè)數(shù)據(jù)集（KITTI MOD）。該數(shù)據(jù)集將被公開提供，作為運(yùn)動(dòng)檢測(cè)任務(wù)的基準(zhǔn)。我們的實(shí)驗(yàn)表明，所提出的方法優(yōu)于僅利用運(yùn)動(dòng)線索的先進(jìn)方法，在KITTI MOD上的mAP為21.5%。我們的方法在一般物體分割的DAVIS基準(zhǔn)上的表現(xiàn)與最先進(jìn)的無(wú)監(jiān)督方法相當(dāng)。我們的一個(gè)有趣的結(jié)論是，運(yùn)動(dòng)分割和車輛檢測(cè)的聯(lián)合訓(xùn)練有利于運(yùn)動(dòng)分割。運(yùn)動(dòng)分割的數(shù)據(jù)相對(duì)較少，與檢測(cè)任務(wù)不同。然而，共享的融合編碼器從聯(lián)合訓(xùn)練中受益，以學(xué)習(xí)一個(gè)通用的表示。所提出的方法每幀運(yùn)行時(shí)間為120毫秒，在計(jì)算效率上超過了最先進(jìn)的運(yùn)動(dòng)檢測(cè)/分割方法。

MODNet: Moving Object Detection Network with Motion and Appearance for Autonomous Driving

總結(jié)

以上是生活随笔為你收集整理的modnet是一个无需绿幕，扣人像，笔记本上跑到10-20帧的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。