Faster RCNN 的实现与区域采样研究
计算机视觉与模式识别
2017-02-09 v2
摘要
我们将 Faster RCNN 框架的联合训练方案（join-training scheme）从 Caffe 适配到 TensorFlow，作为目标检测的基线实现。我们的代码已公开可用。本报告记录了针对原始流程的简化，并基于在 PASCAL VOC 2007 和 COCO 2014 上的消融分析（ablation analysis）给出依据。我们进一步研究了非极大抑制（NMS）在为区域分类选择感兴趣区域（RoIs）中的作用，发现偏向小区域的采样有助于性能，并且在充分收敛时可达到与基于 NMS 的采样相当的 mAP。
引用
@article{arxiv.1702.02138,
title = {An Implementation of Faster RCNN with Study for Region Sampling},
author = {Xinlei Chen and Abhinav Gupta},
journal= {arXiv preprint arXiv:1702.02138},
year = {2017}
}
备注
Technical Report, 3 pages