DSSD：反卷积单发检测器
计算机视觉与模式识别
2017-01-25 v1
摘要
本文的主要贡献是一种将额外上下文引入最先进通用目标检测的方法。为此，我们首先将最先进的分类器(Residual-101[14])与快速检测框架(SSD[18])相结合。然后我们用反卷积层增强 SSD+Residual-101，以在目标检测中引入额外大尺度上下文并改善精度，尤其是针对小物体，将所得系统称为 DSSD（反卷积单发检测器）。虽然这两项贡献在高层次上易于描述，但朴素实现并未成功。相反，我们展示了仔细添加额外阶段的学习变换，具体是反卷积中前馈连接的模块和新输出模块，使得这一新方法成为可能，并形成了进一步检测研究的潜在前进方向。结果在 PASCAL VOC 和 COCO 检测上展示。我们的 DSSD 以 输入在 VOC2007 测试上达到 81.5% mAP，在 VOC2012 测试上达到 80.0% mAP，在 COCO 上达到 33.2% mAP，在每个数据集上均优于最先进方法 R-FCN[3]。
引用
@article{arxiv.1701.06659,
title = {DSSD : Deconvolutional Single Shot Detector},
author = {Cheng-Yang Fu and Wei Liu and Ananth Ranga and Ambrish Tyagi and Alexander C. Berg},
journal= {arXiv preprint arXiv:1701.06659},
year = {2017}
}