级联稀疏空间箱用于高效且有效的通用目标检测
计算机视觉与模式识别
2015-10-14 v2
摘要
介绍了一种用于提取目标提议(object proposals)的新颖高效方法。其“对象性”(objectness)函数利用了深度空间金字塔特征、一种新颖的易于计算的基于HoG的边缘统计以及EdgeBoxes分数。效率通过使用空间箱与稀疏诱导的组归一化SVM的新颖组合实现。在Pascal VOC07上取得了最先进的召回性能，显著优于速度相当的方法。有趣的是，当每幅图像仅考虑100个提议时，该方法在VOC07上达到78%召回率。该方法改进了RCNN最先进的类特定检测器的mAP，当每幅图像仅使用50个提议时将其提高10个点。在二十个类上训练的系统在二百类的ILSVRC2013集上表现良好，证实了泛化能力。
引用
@article{arxiv.1504.07029,
title = {Cascaded Sparse Spatial Bins for Efficient and Effective Generic Object Detection},
author = {David Novotny and Jiri Matas},
journal= {arXiv preprint arXiv:1504.07029},
year = {2015}
}
备注
Accepted to ICCV15