用于目标检测的点链接网络
计算机视觉与模式识别
2017-06-14 v2
摘要
目标检测是计算机视觉中的一个核心问题。随着深度 ConvNets 的发展，目标检测器的性能得到了显著提高。基于深度 ConvNets 的目标检测器主要专注于回归边界框的坐标，例如 Faster-R-CNN、YOLO 和 SSD。与将这些方法将边界框视为一个整体不同，我们提出了一种使用点和链接的新型目标边界框表示方法，并使用深度 ConvNets 实现，称为点链接网络 (PLN)。具体而言，我们使用全卷积网络回归边界框的角点/中心点及其链接；然后将角点及其链接映射回多个边界框；最后通过融合多个边界框获得目标检测结果。PLN 天然地对目标遮挡具有鲁棒性，并能灵活适应目标尺度变化和纵横比变化。在实验中，带有 Inception-v2 模型的 PLN 在 PASCAL VOC 2007、PASCAL VOC 2012 和 COCO 检测基准上实现了最先进的单模型和单尺度结果，无需任何特殊技巧。源代码将予以发布。
引用
@article{arxiv.1706.03646,
title = {Point Linking Network for Object Detection},
author = {Xinggang Wang and Kaibing Chen and Zilong Huang and Cong Yao and Wenyu Liu},
journal= {arXiv preprint arXiv:1706.03646},
year = {2017}
}