改进用于公司徽标检测的小目标候选框
计算机视觉与模式识别
2017-05-01 v1
摘要
许多现代目标检测方法都是两阶段流水线。第一阶段识别感兴趣区域，然后在第二阶段分类。Faster R-CNN是这样一种将两阶段结合为单一流水线的目标检测方法。在本文中，我们将Faster R-CNN应用于公司徽标检测任务。受其在小目标实例上较弱性能的启发，我们详细考察了提案阶段和分类阶段在广泛目标尺寸下的表现。我们研究了特征图分辨率对这些阶段性能的影响。基于理论考量，我们引入了改进的锚框候选生成方案，并提出了对Faster R-CNN的修改，利用更高分辨率的特征图处理小目标。我们在FlickrLogos数据集上评估了我们的方法，将RPN性能从0.52提升至0.71（MABO），检测性能从0.52提升至0.67（mAP）。
引用
@article{arxiv.1704.08881,
title = {Improving Small Object Proposals for Company Logo Detection},
author = {Christian Eggert and Dan Zecha and Stephan Brehm and Rainer Lienhart},
journal= {arXiv preprint arXiv:1704.08881},
year = {2017}
}
备注
8 Pages, ICMR 2017