大视野与高分辨率：大海捞针式检测
计算机视觉与模式识别
2018-04-11 v1
摘要
卷积神经网络（CNN）在广泛视觉任务（包括涉及精细细节的任务）中的日益使用，提出了将此类网络应用于大视野的问题，因为计算量随像素数量显著增加。为有效应对这一困难，我们开发并比较了在给定有限采样“预算”形成图像的条件下，使用CNN在自然图像中小目标定位任务的方法。部分受人类视觉启发，我们开发并比较了变分辨率采样方案，其峰值分辨率位于中心并随离心度递减，通过在前一预测目标位置重新居中图像而迭代应用。结果表明，变分辨率模型显著优于恒定分辨率模型。令人惊讶的是，变分辨率模型尤其是多通道模型，仅使用5%的样本便优于最优的“无预算”全分辨率模型。
引用
@article{arxiv.1804.03576,
title = {Large Field and High Resolution: Detecting Needle in Haystack},
author = {Hadar Gorodissky and Daniel Harari and Shimon Ullman},
journal= {arXiv preprint arXiv:1804.03576},
year = {2018}
}
备注
15 pages, 7 figures