DeepBox：利用卷积网络学习目标性
计算机视觉与模式识别
2015-09-29 v2
摘要
现有目标提议方法主要利用自底向上线索对提议排序，而我们则认为目标性实为一种高层构造。我们主张一种数据驱动、语义化的方法来对目标提议排序。我们称为DeepBox的框架使用卷积神经网络(CNN)对自底向上方法的提议重新排序。我们采用一种新颖的四层CNN架构，在评估目标性任务上媲美大得多的网络且速度快得多。我们展示DeepBox相较自底向上排序有显著提升，用500个提议达到了自底向上方法用2000个提议的相同召回率。该改进泛化到CNN从未见过的类别，并带来检测mAP上4.5个百分点的提升。我们的实现在每图像260 ms运行速度下达到此性能。
引用
@article{arxiv.1505.02146,
title = {DeepBox: Learning Objectness with Convolutional Networks},
author = {Weicheng Kuo and Bharath Hariharan and Jitendra Malik},
journal= {arXiv preprint arXiv:1505.02146},
year = {2015}
}
备注
ICCV 2015 Camera-ready version