G-CNN：一种基于迭代网格的目标检测器
计算机视觉与模式识别
2016-04-27 v2
摘要
我们提出G-CNN，一种基于CNN且无需候选区域（proposal）算法的目标检测技术。G-CNN始于一个由固定边界框组成的多尺度网格。我们训练一个回归器，迭代地将网格元素移动并缩放至物体方向。G-CNN将目标检测问题建模为从固定网格寻找一条路径到达紧密包围物体的边界框。在一个多尺度网格中使用约180个边界框的G-CNN，性能可与使用约2K个由proposal技术生成的边界框的Fast R-CNN相媲美。该策略通过移除候选区域阶段以及减少待处理边界框的数量，使检测速度更快。
引用
@article{arxiv.1512.07729,
title = {G-CNN: an Iterative Grid Based Object Detector},
author = {Mahyar Najibi and Mohammad Rastegari and Larry S. Davis},
journal= {arXiv preprint arXiv:1512.07729},
year = {2016}
}
备注
To appear in Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016. (Spotlight)