RN-VID: معمارية دمج الميزات للكشف عن الكائنات في الفيديو

تُعد الإطارات المتتالية في الفيديو ذات تكرار عالٍ. وبالتالي، فإن إجراء كاشفات الكائنات للإطارات الفردية على كل إطار دون إعادة استخدام أي معلومات هو أمر يُعد هدرًا كبيرًا. وبناءً على هذه الفكرة، نقترح طريقة جديدة تُسمى RN-VID (وهي اختصار لـ RetinaNet-VIDeo)، وهي نهج مبتكر للكشف عن الكائنات في الفيديو. وتمتد مساهماتنا إلى جانبيْن. أولاً، نقترح معمارية جديدة تسمح باستخدام المعلومات من الإطارات المجاورة لتعزيز خرائط الميزات. ثانيًا، نقترح وحدة جديدة تُدمج خرائط الميزات ذات الأبعاد نفسها من خلال إعادة ترتيب القنوات واستخدام تباينات 1×1. ونُظهر لاحقًا أن RN-VID تحقق دقة متوسطة متوسطة (mAP) أفضل من كاشفات الإطارات الفردية، مع تكلفة إضافية ضئيلة جدًا أثناء التقييم.