用于目标检测的池化金字塔网络
计算机视觉与模式识别
2018-07-10 v1
摘要
我们想分享对 Single Shot Multibox Detector（SSD）系列检测器的一种简单调整，它能在保持相同质量的同时有效减小模型尺寸。我们在所有尺度间共享边界框预测器，并用最大池化替换尺度间的卷积。与原始 SSD 相比，这有两个优势：（1）它避免了跨尺度的分数失校准；（2）共享预测器在所有尺度上都能见到训练数据。由于我们将预测器数量减少到一个，并去除了它们之间的所有卷积，模型尺寸显著减小。我们通过实验表明，与原始 SSD 相比，这些改变不会损害模型质量。
引用
@article{arxiv.1807.03284,
title = {Pooling Pyramid Network for Object Detection},
author = {Pengchong Jin and Vivek Rathod and Xiangxin Zhu},
journal= {arXiv preprint arXiv:1807.03284},
year = {2018}
}