PVANet：用于实时目标检测的轻量级深度神经网络
计算机视觉与模式识别
2016-12-13 v2
摘要
在目标检测中，对于大多数实际用途，降低计算成本与提高准确性同样重要。本文提出一种新颖的网络结构，其轻量级程度比其它最先进网络低一个数量级，同时保持准确性。基于“更多层、更少通道”的基本原则，这一新深度神经网络通过采用近期创新包括 C.ReLU 和 Inception 结构来最小化冗余。我们还表明，该网络可被高效训练，在知名目标检测基准上取得可靠结果：在 VOC2007 和 VOC2012 上 mAP 分别为 84.9% 和 84.2%，而所需计算量不到近期 ResNet-101 的 10%。
引用
@article{arxiv.1611.08588,
title = {PVANet: Lightweight Deep Neural Networks for Real-time Object Detection},
author = {Sanghoon Hong and Byungseok Roh and Kye-Hyeon Kim and Yeongjae Cheon and Minje Park},
journal= {arXiv preprint arXiv:1611.08588},
year = {2016}
}
备注
Presented at NIPS 2016 Workshop on Efficient Methods for Deep Neural Networks (EMDNN). Continuation of arXiv:1608.08021. The affiliation has been corrected