用于准确快速目标检测的感知野模块网络
计算机视觉与模式识别
2018-07-27 v3
摘要
当前性能最优的目标检测器依赖于深度 CNN 主干网络，如 ResNet-101 和 Inception，受益于其强大的特征表示但面临高计算成本。相反，一些基于轻量模型的检测器实现了实时处理，但其精度常受诟病。本文中，我们探索一种替代方案，通过用手工机制增强轻量特征来构建快速而准确的检测器。受人类视觉系统中感知野（RF）结构的启发，我们提出一种新颖的 RF 模块（RFB），其考虑了感知野尺寸与偏心率之间的关系，以增强特征的判别性与鲁棒性。我们进一步将 RFB 组装到 SSD 顶端，构建 RFB Net 检测器。为评估其有效性，在两个主要基准上进行了实验，结果表明 RFB Net 能够在保持实时速度的同时达到先进极深检测器的性能。代码见 https://github.com/ruinmessi/RFBNet。
引用
@article{arxiv.1711.07767,
title = {Receptive Field Block Net for Accurate and Fast Object Detection},
author = {Songtao Liu and Di Huang and Yunhong Wang},
journal= {arXiv preprint arXiv:1711.07767},
year = {2018}
}
备注
Accepted by ECCV 2018