PCAN：用于多目标跟踪和分割的典型交叉注意网络

关注涛涛CV，设置星标，更新不错过

-------------------------------------

PCAN提出了一种简单有效地利用视频中长序列时序信息的方法，通过对目标物体和历史帧的外观特征进行高斯混合建模和更新，提高了视频物体分割质量和稳定性，在Youtube-VIS 和 BDD100K 数据集上都取得了领先性能。

多对象跟踪和分割需要检测、跟踪和分割属于一组给定类的对象。大多数方法仅利用时间维度来解决关联问题，同时依赖于分割掩码本身的单帧预测。我们提出了原型交叉注意网络 (PCAN)，能够利用丰富的时空信息进行在线多对象跟踪和分割。 PCAN 首先将时空记忆提炼成一组原型，然后使用交叉注意力从过去的帧中检索丰富的信息。为了分割每个对象，PCAN 采用原型外观模块来学习一组对比鲜明的前景和背景原型，然后随着时间的推移进行传播。大量实验表明，PCAN 在 Youtube-VIS 和 BDD100K 数据集上均优于当前的视频实例跟踪和分割竞赛获胜者，并显示出对单阶段和两阶段分割框架的有效性。

BDD100K预测实例

以下是基于QDTrack在BDD100K上运行PCAN以进行边界框跟踪的示例。

结果对比

代码链接: https://github.com/SysCV/pcan

论文链接: https://arxiv.org/abs/2106.11958

项目主页: https://www.vis.xyz/pub/pcan/

-------------------------------------

笔记：

《智能革命》《人工智能》《AI•未来》《好好赚钱》《韭菜的自我修养》读书笔记

行业： 

服务机器人公司，机器视觉公司，自动驾驶公司，ADAS公司总结， 

SLAM：

Vslam方案+源码，语义SLAM与深度相机，SLAM和导航避障，视觉SLAM总结

秦学英《三维物体的识别与跟踪》，章国锋《视觉SLAM》，申抒含《基于图像的三维建模》，姜翰青《RGB -D SLAM》记录笔记

视觉SLAM的建图课件3，课件2，课件1

总结：

10年机器视觉网站，5年人工智能网站，

2019经历总结，2018视觉总结

机器视觉：

机器视觉基本概念笔记，记录五，记录四，记录三，记录二，记录一

双目视觉和激光传感器对目标物体的三维重建技术

图像处理：

图像处理基本概念笔记，记录八，记录七，记录六 ，记录五，记录四 ，记录三，记录二 ，记录二，记录一

欢迎支持，点击在看，分享