用于深度目标检测与定位的多尺度体
计算机视觉与模式识别
2016-07-28 v2
摘要
本研究旨在分析改进的多尺度推理对于基于深度卷积神经网络的目标检测与定位的益处。为此，提出了一种高效且通用的目标检测框架，该框架在深度特征金字塔的尺度体上操作。与所提方法相反，当前大多数最先进的物体检测器在训练时采用单尺度，而测试涉及跨尺度的独立评估。所提方法的一个益处在于更好地捕获多尺度上下文信息，从而在PASCAL VOC数据集和多视角高速公路车辆数据集上，物体的检测性能和定位质量均获得显著提升。联合检测与定位的尺度特定模型被证明尤其有益于具有大尺度变化的困难物体类别的检测以及小物体的检测。
引用
@article{arxiv.1505.03597,
title = {Multi-scale Volumes for Deep Object Detection and Localization},
author = {Eshed Ohn-Bar and M. M. Trivedi},
journal= {arXiv preprint arXiv:1505.03597},
year = {2016}
}
备注
To appear in Pattern Recognition 2016