去区域提议的R-CNN
计算机视觉与模式识别
2015-06-24 v1
摘要
深度卷积神经网络（CNNs）在包括物体类别检测在内的多数图像理解领域产生了重大影响。在物体检测中，诸如R-CNN等方法通过将CNN与选择性搜索（selective search）等区域提议生成算法相结合取得了优异结果。本文中，我们研究了提议生成在基于CNN的检测器中的作用，以确定其是一个必要的建模组件（承载了CNN中未包含的几何信息），还是仅仅是一种加速检测的手段。为此，我们设计并评估了一种使用平凡区域生成方案（对每幅图像恒定）的检测器。结合SPP（空间金字塔池化），这产生了一个优异且快速的检测器，无需使用CNN本身以外的算法处理图像。我们还通过将对基于CNN的检测器的若干学习步骤集成到单一算法中，并提出若干加速检测的改进，来简化和精简其训练。
引用
@article{arxiv.1506.06981,
title = {R-CNN minus R},
author = {Karel Lenc and Andrea Vedaldi},
journal= {arXiv preprint arXiv:1506.06981},
year = {2015}
}