用于目标检测的深度CNN集成与数据增强
计算机视觉与模式识别
2015-06-25 v1
摘要
我们报告了近期提交至PASCAL VOC 2012挑战赛的DeepEnsembleCoco所使用的方法，该方法在目标检测任务上取得了最先进的性能。我们的方法是Girshick:CVPR14提出的R-CNN模型的变体，在训练和评估上有两处关键改进。首先，我们的方法构建了具有不同架构且互为补充的深度CNN模型集成。其次，我们利用Microsoft COCO数据集中的图像扩充PASCAL VOC训练集，以显著增大训练数据量。重要的是，我们选取了Microsoft COCO图像的子集以与PASCAL VOC任务保持一致。PASCAL VOC评估服务器上的结果表明，在提交时，我们提出的方法在PASCAL VOC 2012检测任务上优于以往所有方法。
引用
@article{arxiv.1506.07224,
title = {Deep CNN Ensemble with Data Augmentation for Object Detection},
author = {Jian Guo and Stephen Gould},
journal= {arXiv preprint arXiv:1506.07224},
year = {2015}
}