关注微信公众号：人工智能前沿讲习班，公众号对话框回复“郭超旭”获取视频PPT。
随着深度卷积神经网络的迅速发展，基于图片的识别任务包括分类、检测与分割等都得到了极大的进步。然而，我们现实生活面临的都是一些视频流信息，而基于图片的模型参数量大且Inference时间较长，如何将这些模型迁移到视频流上成为了一个研究热点。此次分享主要聚焦于基于视频的目标检测，介绍近几年research community 在视频目标检测的几个比较好的工作。
讲者介绍
郭超旭：中科院自动化研究所二年级硕士生在读，本科毕业于华南理工大学自动化系。2018 MSCOCO竞赛实例分割第三名，全景分割第二名。2018南京人工智能大赛仪表识别组初赛第一名。目前研究方向主要为基于视频、图片的检测与分割。
报告题目：基于视频的目标检测的发展
报告摘要：随着深度卷积神经网络的迅速发展，基于图片的识别任务包括分类、检测与分割等都得到了极大的进步。然而，我们现实生活面临的都是一些视频流信息，而基于图片的模型参数量大且Inference时间较长，如何将这些模型迁移到视频流上成为了一个研究热点。此次分享主要聚焦于基于视频的目标检测，介绍近几年research community 在视频目标检测的几个比较好的工作。
Spotlight：
- 了解图片检测、tracking和视频检测的主要区别以及视频检测的难点；
- 介绍最近工作针对几个关键问题的解决办法。
参考资料
https://www.bilibili.com/video/BV1zt411i79a/
https://bbs.sffai.com/d/30-self-attention-and-its-application-on-computer-vision