HyperNet：面向精确区域提议生成与联合目标检测
计算机视觉与模式识别
2016-04-05 v1
摘要
几乎所有当前性能最优的目标检测网络都采用区域提议来引导对物体实例的搜索。最先进的区域提议方法通常需要数千个提议以获得高召回率，从而损害了检测效率。尽管最新的区域提议网络方法以数百个提议取得了有前景的检测精度，它仍在小尺寸目标检测和精确定位（例如大IoU阈值）方面存在困难，主要因其特征图的粗糙性。本文中，我们提出一种深度分层网络，即HyperNet，用于联合处理区域提议生成与目标检测。我们的HyperNet主要基于精心设计的超特征(Hyper Feature)，其先聚合分层特征图，随后将其压缩至均匀空间。超特征很好地融合了图像深层但高语义、中间层但真正互补、浅层但天然高分辨率的特性，从而使我们能够通过端到端联合训练策略在生成提议与检测物体时共享它们来构建HyperNet。对于深度VGG16模型，我们的方法仅使用每图100个提议，即在PASCAL VOC 2007和2012上取得了完全领先的召回率与最先进的目标检测精度。它在GPU上以5 fps（含所有步骤）的速度运行，因此具备实时处理的潜力。
引用
@article{arxiv.1604.00600,
title = {HyperNet: Towards Accurate Region Proposal Generation and Joint Object Detection},
author = {Tao Kong and Anbang Yao and Yurong Chen and Fuchun Sun},
journal= {arXiv preprint arXiv:1604.00600},
year = {2016}
}
备注
Accepted as a spotlight oral paper by CVPR 2016