从大图像中检测小标志
计算机视觉与模式识别
2017-06-28 v1
摘要
在过去十年中，卷积神经网络（CNN）已被证明在目标检测方面是成功的。然而，网络输入的大小受限于 GPU 上的可用内存量。此外，检测小目标时性能会下降。为了缓解内存使用并提高检测小交通标志的性能，我们提出了一种在真实世界条件下从大图像中检测小交通标志的方法。具体而言，大图像被分割成小块作为输入，送入一个从单次多框检测器（SSD）框架修改而来的小目标敏感 CNN（SOS-CNN），该框架以 VGG-16 网络作为基础网络，以产生块级目标检测结果。通过在图像金字塔上应用 SOS-CNN 实现尺度不变性。然后，通过将所有块级检测结果投影到原始尺度的图像上，获得图像级目标检测。在真实世界条件下的交通标志数据集上的实验结果证明了所提方法在检测精度和召回率方面的有效性，尤其是对于那些尺寸较小的标志。
引用
@article{arxiv.1706.08574,
title = {Detecting Small Signs from Large Images},
author = {Zibo Meng and Xiaochuan Fan and Xin Chen and Min Chen and Yan Tong},
journal= {arXiv preprint arXiv:1706.08574},
year = {2017}
}
备注
8 pages, 6 figures, accepted by IEEE Conference on Information Reuse and Integration (IRI) 2017 as an oral presentation