MDFN：用于目标检测的多尺度深度特征学习网络
计算机视觉与模式识别
2019-12-11 v1
摘要
本文通过利用高层网络中学习的深度特征，提出了一种创新的目标检测器。与较早层产生的特征相比，深度特征更擅长表达语义与上下文信息。所提出的深度特征学习方案将关注点从具细节的具体特征转向具语义信息的抽象特征。它通过构建多尺度深度特征学习网络（MDFN），不仅考虑单个目标与局部上下文，也考虑它们之间的关系。MDFN 通过将信息平方与立方 inception 模块引入高层网络，采用参数共享提升计算效率，从而高效检测目标。MDFN 通过整合多框、多尺度与多层次技术，提供了一种多尺度目标检测器。尽管 MDFN 采用带有相对较小基础网络（VGG-16）的简单框架，其检测效果却优于或媲美那些为更强特征提取能力而极深或极宽的宏层次结构。所提技术在 KITTI、PASCAL VOC 和 COCO 数据集上进行了广泛评估，在 KITTI 上取得最佳结果，在 PASCAL VOC 与 COCO 上取得领先性能。本研究揭示，深度特征提供了显著的语义信息与丰富的上下文内容，有助于其在小目标或被遮挡目标检测中的优越表现。此外，MDFN 模型计算高效，在精度与速度间取得了良好权衡。
引用
@article{arxiv.1912.04514,
title = {MDFN: Multi-Scale Deep Feature Learning Network for Object Detection},
author = {Wenchi Ma and Yuanwei Wu and Feng Cen and Guanghui Wang},
journal= {arXiv preprint arXiv:1912.04514},
year = {2019}
}