輕量化Transformer目標(biāo)跟蹤數(shù)據(jù)標(biāo)注算法

摘要： 目的 基于深度模型的跟蹤算法往往需要大規(guī)模的高質(zhì)量標(biāo)注訓(xùn)練數(shù)據(jù)集，而人工逐幀標(biāo)注視頻數(shù)據(jù)會耗費(fèi)大量的人力及時間成本。本文提出一個基于Transformer模型的輕量化視頻標(biāo)注算法（Transformer-based label network,TLNet），實(shí)現(xiàn)對大規(guī)模稀疏標(biāo)注視頻數(shù)據(jù)集的高效逐幀標(biāo)注。方法 該算法通過Transformer模型來處理時序的目標(biāo)外觀和運(yùn)動信息，并...