AttentionNet：聚合弱方向用于精确目标检测
计算机视觉与模式识别
2015-09-29 v2 机器学习
摘要
我们提出了一种使用深度卷积神经网络（CNN）的新型检测方法，称为AttentionNet。我们将目标检测问题转化为迭代分类问题，这是CNN最合适的形式。AttentionNet提供指向目标对象的量化弱方向，并且来自AttentionNet的迭代预测的集合收敛到精确的目标边界框。由于AttentionNet是用于目标检测的统一网络，它无需从目标提议到边界框回归后的任何分离模型即可检测对象。我们通过人体检测任务评估AttentionNet，仅使用8层架构即在PASCAL VOC 2007/2012上达到了65%（AP）的最先进性能。
引用
@article{arxiv.1506.07704,
title = {AttentionNet: Aggregating Weak Directions for Accurate Object Detection},
author = {Donggeun Yoo and Sunggyun Park and Joon-Young Lee and Anthony S. Paek and In So Kweon},
journal= {arXiv preprint arXiv:1506.07704},
year = {2015}
}
备注
To appear in ICCV 2015