基于多区域与语义分割感知CNN模型的目标检测
计算机视觉与模式识别
2015-09-25 v3 机器学习
神经与进化计算
摘要
我们提出了一种目标检测系统，该系统依赖于一个多区域深度卷积神经网络（CNN），该网络还编码了语义分割感知特征。所得到的基于CNN的表示旨在捕获一组多样的判别性外观因素，并展现出对精确定位目标至关重要的定位敏感性。我们通过将我们的识别模块集成到一个迭代定位机制上来利用上述性质，该机制在给候选框评分与用深度CNN回归模型细化其位置之间交替。得益于我们模块的高效使用，我们以非常高的定位精度检测目标。在PASCAL VOC2007和PASCAL VOC2012检测挑战中，我们分别取得了78.2%和73.9%的mAP，大幅超越了任何其他已发表的工作。
引用
@article{arxiv.1505.01749,
title = {Object detection via a multi-region & semantic segmentation-aware CNN model},
author = {Spyros Gidaris and Nikos Komodakis},
journal= {arXiv preprint arXiv:1505.01749},
year = {2015}
}
备注
Extended technical report -- short version to appear at ICCV 2015