最新｜微软新研究：Deep Feature Flow for Video Recognition（附视频和代码）

全球人工智能：专注为AI开发者提供全球最新AI技术动态和社群交流。用户来源包括：北大、清华、中科院、复旦、麻省理工、卡内基梅隆、斯坦福、哈佛、牛津、剑桥等世界名校的AI技术硕士、博士和教授；以及谷歌、腾讯、百度、脸谱、微软、华为、阿里、海康威视、滴滴、英伟达等全球名企的AI开发者和AI科学家。

---

文章来源：微软新研究

https://v.qq.com/txp/iframe/player.html?vid=w0503a7fpmh&width=500&height=375&auto=0

深度特征流，为视频识别（例如，视频中的对象检测和语义分割）提供了一个简单、快速、准确和端到端的框架。值得注意的是：

      深度特征流通过将重级图像识别网络（例如ResNet-101）应用于稀疏关键帧，并通过轻量级流网络将识别输出（特征图）传播到其他帧，显着加快了视频识别（ 例如，FlowNet）。
      整个系统是针对视频识别任务进行端对端的训练，这对于提高识别精度至关重要。深度特征流可以轻松地利用稀疏标注的视频识别数据集，其中只有一小部分的帧是实际标签标注的。

论文地址：https://arxiv.org/abs/1611.07715

开源代码：https://github.com/msracver/Deep-Feature-Flow

热门文章推荐