用于快速目标检测的多感受野与小目标聚焦弱监督分割网络
计算机视觉与模式识别
2019-05-23 v2
摘要
目标检测在各种视觉应用中起着重要作用。然而，检测器的精度和速度通常相互矛盾。快速检测器精度下降的一个主要原因是小目标难以被检测。为解决该问题，我们提出了一种多感受野与小目标聚焦弱监督分割网络（MRFSWSnet）以实现快速目标检测。在 MRFSWSnet 中，多感受野模块（MRF）用于以不同权重关注目标及其相邻背景的不同空间位置，以增强特征的判别性。此外，为提高小目标检测精度，将仅关注小目标而非所有目标的小目标聚焦弱监督分割模块集成到检测网络中用于辅助训练，以提升小目标检测精度。大量实验表明了我们的方法在 PASCAL VOC 和 MS COCO 检测数据集上的有效性。特别地，在 300x300 的较低分辨率版本下，MRFSWSnet 在 VOC2007 测试集上达到 80.9% mAP，推理速度为每帧 15 毫秒，是实时检测器中最为先进的检测器。
引用
@article{arxiv.1904.12619,
title = {Multiple receptive fields and small-object-focusing weakly-supervised segmentation network for fast object detection},
author = {Siyang Sun and Yingjie Yin and Xingang Wang and De Xu and Yuan Zhao and Haifeng Shen},
journal= {arXiv preprint arXiv:1904.12619},
year = {2019}
}