对相应的视频目标检测论文整理实现综述文档。 知乎上有关该方向的讨论视频中的目标检测与图像中的目标检测具体有什么区别？。 简单来说，视频检测是比单张图片检测多了Temporal Context（时间上下文）的信息。不同方法想利用这些Context来解决的问题并不相同。