用于目标检测的深度Regionlets
计算机视觉与模式识别
2018-08-24 v3
摘要
本文中，我们提出了一种名为“深度Regionlets (Deep Regionlets)”的新型目标检测框架，通过在深度神经网络与传统检测范式之间建立桥梁，实现精确的通用目标检测。受regionlets在建模目标形变与多长宽比方面能力的启发，我们将regionlets引入一个端到端可训练的深度学习框架。深度Regionlets框架由一个区域选择网络和一个深度regionlet学习模块组成。具体而言，给定一个个检测边界框提议，区域选择网络指导从何处选择区域以学习特征。regionlet学习模块专注于局部特征选择与变换，以缓解局部变化。为此，我们首先在检测框架内实现非矩形区域选择，以适应目标外观的变化。此外，我们在regionlet学习模块中设计了一个“门控网络 (gating network)”以实现软regionlet选择与池化。深度Regionlets框架以端到端方式训练，无需额外工作。我们在PASCAL VOC和Microsoft COCO数据集上进行了消融研究并开展了大量实验。所提框架优于SOTA算法，如RetinaNet和Mask R-CNN，即便在没有额外分割标签的情况下也是如此。
引用
@article{arxiv.1712.02408,
title = {Deep Regionlets for Object Detection},
author = {Hongyu Xu and Xutao Lv and Xiaoyu Wang and Zhou Ren and Navaneeth Bodla and Rama Chellappa},
journal= {arXiv preprint arXiv:1712.02408},
year = {2018}
}
备注
Accepted to ECCV 2018