用于车辆监控的Focal Loss密集检测器
计算机视觉与模式识别
2018-03-06 v1
摘要
深度学习已被广泛认为是不同计算机视觉应用中有前景的方法。具体而言，单阶段目标检测器和两阶段目标检测器被视为基于卷积神经网络的目标检测方法中最重要的两类。单阶段目标检测器通常在速度上优于两阶段目标检测器；然而，与两阶段目标检测器相比，其检测精度通常落后。在本研究中，采用基于focal loss的RetinaNet作为单阶段目标检测器，能够在保持常规单阶段检测器速度的同时，在精度上超越两阶段检测器，用于车辆检测。在DETRAC车辆数据集上展示了最先进的性能结果。
引用
@article{arxiv.1803.01114,
title = {Focal Loss Dense Detector for Vehicle Surveillance},
author = {Xiaoliang Wang and Peng Cheng and Xinchuan Liu and Benedict Uzochukwu},
journal= {arXiv preprint arXiv:1803.01114},
year = {2018}
}