modnet是一个无需绿幕，扣人像，笔记本上跑到10-20帧

我们提出了一个新颖的多任务学习系统，它结合了外观和运动线索，以更好地对环境进行语义推理。我们引入了一个用于联合车辆检测和运动分割的统一架构。在这个架构中，两个任务之间共享一个双流编码器。为了在自动驾驶环境中评估我们的方法，使用KITTI注释序列与检测和测距的基础真相来自动生成车辆的静态/动态注释。这个数据集被称为KITTI移动物体检测数据集（KITTI MOD）。该数据集将被公开提供，作为运动检测任务的基准。我们的实验表明，所提出的方法优于仅利用运动线索的先进方法，在KITTI MOD上的mAP为21.5%。我们的方法在一般物体分割的DAVIS基准上的表现与最先进的无监督方法相当。我们的一个有趣的结论是，运动分割和车辆检测的联合训练有利于运动分割。运动分割的数据相对较少，与检测任务不同。然而，共享的融合编码器从联合训练中受益，以学习一个通用的表示。所提出的方法每帧运行时间为120毫秒，在计算效率上超过了最先进的运动检测/分割方法。

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

总结

以上是生活随笔为你收集整理的modnet是一个无需绿幕，扣人像，笔记本上跑到10-20帧的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。