特征融合SSD：小目标快速检测
计算机视觉与模式识别
2018-11-28 v3
摘要
小目标检测由于分辨率与信息有限，是计算机视觉中一项具有挑战性的任务。为解决此问题，多数现有方法以速度为代价换取精度提升。本文旨在以精度和速度权衡最佳的物体检测器单发多框检测器(Single Shot Multibox Detector, SSD)为基础架构，实现小目标的快速检测。我们提出一种在SSD中引入上下文信息的多级特征融合方法，以提高小目标检测精度。在具体融合操作中，我们设计了两种特征融合模块：拼接模块(concatenation module)和逐元素求和模块(element-sum module)，二者在添加上下文信息的方式上不同。实验结果表明，这两个融合模块在PASCAL VOC2007上的mAP分别比基线SSD高出1.6和1.7个百分点，尤其在某些小目标类别上提升2-3个百分点。其测试速度分别为43和40 FPS，优于当前最优的反卷积单发检测器(Deconvolutional single shot detector, DSSD)达29.4和26.4 FPS。代码见https://github.com/wnzhyee/Feature-Fused-SSD。
引用
@article{arxiv.1709.05054,
title = {Feature-Fused SSD: Fast Detection for Small Objects},
author = {Guimei Cao and Xuemei Xie and Wenzhe Yang and Quan Liao and Guangming Shi and Jinjian Wu},
journal= {arXiv preprint arXiv:1709.05054},
year = {2018}
}
备注
Artificial Intelligence;8 pages,8 figures