用于野外实时老虎检测的快速高效模型
计算机视觉与模式识别
2019-09-04 v1
摘要
迄今为止精度最高的目标检测器要么基于两阶段方法（如 Fast R-CNN），要么基于带有深度复杂骨干网络的一阶段检测器（如 Retina-Net 或 SSD）。本文中我们提出 TigerNet——一种简单而高效的基于 FPN 的网络架构，用于野外东北虎检测。该模型具有 600k 参数，每幅图像需要 0.071 GFLOPs，并能在边缘设备（智能摄像头）上近实时运行。此外，我们引入了一种通过伪标签学习的两阶段半监督学习方法，以从更大的网络中蒸馏知识。对于 ATRW-ICCV 2019 老虎检测子挑战赛，基于公开排行榜分数，我们的方法相较于其他方法展现出更优性能。
引用
@article{arxiv.1909.01122,
title = {Fast and Efficient Model for Real-Time Tiger Detection In The Wild},
author = {Orest Kupyn and Dmitry Pranchuk},
journal= {arXiv preprint arXiv:1909.01122},
year = {2019}
}