Relief R-CNN：利用卷积特征进行快速目标检测
计算机视觉与模式识别
2017-04-27 v4
摘要
R-CNN 风格的方法是当前最先进的目标检测方法之一，其由区域提议生成和深度 CNN 分类组成。然而，该范式中的提议生成阶段通常耗时较长，会拖慢测试中的整个检测时间。本文指出，深度卷积特征图中特征之间的数值差异包含大量有用的空间信息，并提出了一种简单方法来提取该信息以在测试中快速生成区域提议。所提方法称为 Relief R-CNN (R2-CNN)，在训练好的 R-CNN 风格模型中采用一种新颖的区域提议生成器。新生成器通过一些简单规则直接从卷积特征生成提议，从而实现了快得多的提议生成速度并降低了对计算资源的需求。实证研究表明，R2-CNN 在测试中能够以可比精度实现最快的检测速度。
引用
@article{arxiv.1601.06719,
title = {Relief R-CNN : Utilizing Convolutional Features for Fast Object Detection},
author = {Guiying Li and Junlong Liu and Chunhui Jiang and Liangpeng Zhang and Minlong Lin and Ke Tang},
journal= {arXiv preprint arXiv:1601.06719},
year = {2017}
}
备注
9 pages, 2 figures, accepted by ISNN 2017