ME R-CNN：用于目标检测的多专家R-CNN
计算机视觉与模式识别
2022-04-07 v3
摘要
我们引入了多专家基于区域的卷积神经网络（ME R-CNN），该网络配备了多个专家（ME），其中每个专家被训练用于处理特定类型的感兴趣区域。这种架构能更好地捕捉由不同形状、姿态和视角引起的RoI的外观变化。为了将每个RoI引导至合适的专家，我们设计了一种新颖的“可学习”网络，我们称之为专家分配网络（EAN）。EAN即使在没有任何专家分配监督的情况下，也能自动学习最优的RoI-专家关系。由于ME R-CNN的主要组件ME和EAN在绑定到共享网络的同时相互影响，无论是交替优化还是简单的端到端优化都可能会失败。为了解决这个问题，我们引入了一种实用的训练策略，该策略专为以端到端方式优化ME、EAN和共享网络而量身定制。我们表明，在PASCAL VOC 07、12和MS COCO数据集上，这两种架构都提供了相对于基线的显著性能提升。
引用
@article{arxiv.1704.01069,
title = {ME R-CNN: Multi-Expert R-CNN for Object Detection},
author = {Hyungtae Lee and Sungmin Eum and Heesung Kwon},
journal= {arXiv preprint arXiv:1704.01069},
year = {2022}
}
备注
IEEE Transactions on Image Processing