基于密集神经模式与区域块的通用目标检测
计算机视觉与模式识别
2014-04-17 v1
摘要
本文致力于解决在深度卷积神经网络与传统目标检测框架之间建立桥梁的挑战，以实现准确且高效的通用目标检测。我们引入了密集神经模式（Dense Neural Patterns，简称 DNPs），这是一种源自判别式训练的深度卷积神经网络的密集局部特征。DNPs 可以像其他密集局部特征（如 HOG 或 LBP）一样轻松插入到传统检测框架中。所提出方法的有效性在 Regionlets 目标检测框架中得到了验证。它在 PASCAL VOC 2007 数据集上达到了 46.1% 的平均精度均值（mean average precision），在 PASCAL VOC 2010 数据集上达到了 44.1%，显著提升了未使用 DNPs 的原始 Regionlets 方法。
引用
@article{arxiv.1404.4316,
title = {Generic Object Detection With Dense Neural Patterns and Regionlets},
author = {Will Y. Zou and Xiaoyu Wang and Miao Sun and Yuanqing Lin},
journal= {arXiv preprint arXiv:1404.4316},
year = {2014}
}