Light-Head R-CNN：为两阶段目标检测器辩护

Zeming Li; Chao Peng; Gang Yu; Xiangyu Zhang; Yangdong Deng; Jian Sun

Light-Head R-CNN：为两阶段目标检测器辩护

计算机视觉与模式识别 2017-11-27 v2

作者: Zeming Li , Chao Peng , Gang Yu , Xiangyu Zhang , Yangdong Deng , Jian Sun

摘要

在本文中，我们首先探究了典型两阶段方法为何不如 YOLO 和 SSD 等单阶段快速检测器快。我们发现 Faster R-CNN 和 R-FCN 在 RoI warping 之后或之前执行密集计算。Faster R-CNN 涉及两个全连接层用于 RoI 识别，而 R-FCN 生成大的得分图。因此，由于架构中重头设计，这些网络的速度较慢。即便我们大幅缩减基础模型，计算代价也无法相应大幅降低。我们提出一种新的两阶段检测器 Light-Head R-CNN，以解决当前两阶段方法的缺陷。在我们的设计中，通过使用薄特征图和廉价的 R-CNN 子网络（池化和单个全连接层），使网络头部尽可能轻量。我们基于 ResNet-101 的 Light-Head R-CNN 在 COCO 上优于最先进的目标检测器，同时保持时间效率。更重要的是，仅将骨干网络替换为微小网络（如 Xception），我们的 Light-Head R-CNN 在 COCO 上以 102 FPS 取得 30.7 mmAP，在速度和精度上均显著优于 YOLO 和 SSD 等单阶段快速检测器。代码将公开可用。

关键词

目标检测两阶段检测器 Light-Head R-CNN Faster R-CNN R-FCN YOLO SSD COCO

引用

@article{arxiv.1711.07264,
  title  = {Light-Head R-CNN: In Defense of Two-Stage Object Detector},
  author = {Zeming Li and Chao Peng and Gang Yu and Xiangyu Zhang and Yangdong Deng and Jian Sun},
  journal= {arXiv preprint arXiv:1711.07264},
  year   = {2017}
}

Light-Head R-CNN：为两阶段目标检测器辩护

摘要

关键词

引用

相关论文