Exploiting implicit knowledge for streaming perception object detection

Qingsong Tang

doi:10.1016/j.engappai.2025.113100

Exploiting implicit knowledge for streaming perception object detection

2025-11-06

0

PRE

AI

DOI：10.1016/j.engappai.2025.113100

原文链接

摘要

En 中文

流感知比离线感知更具挑战性。现有方法通过赋予实时检测器预测未来的能力来执行流感知目标检测。此类方法的主要难点在于感知复杂且变化的视频背景环境，以及变化的目标速度。在此背景下，我们提出了一种利用隐式知识增强特征的实时目标检测模型。首先，我们使用通道隐式知识模块对Argoverse-High Definition (Argoverse-HD)进行早期微调。这使得模型能够感知背景环境并获得丰富的位置特征。然后，我们使用空间隐式知识模块来优化目标的运动速度特征。这些优化后的特征与位置特征整合进行最终微调。在最终微调阶段，我们对原始动态top- k标签分配策略进行加权，以衡量正样本的重要性。通过这种加权，旨在实现更精细的目标定位。我们的模型在Argoverse-HD上实现了37.8%的流平均精度（sAP）（比基线高+0.9%），仅增加了0.01G额外的浮点运算（FLOPs），且延迟增加不到3毫秒（ms）。代码可在https://github.com/GjtZ/ISYOLO.git获取。

Exploiting implicit knowledge for streaming perception object detection

摘要

期刊

机构

引用论文