用于精确目标检测与语义分割的丰富特征层次
计算机视觉与模式识别
2014-10-23 v5
摘要
在标准 PASCAL VOC 数据集上衡量的目标检测性能在过去几年中已进入平台期。表现最佳的方法通常是复杂的集成系统，它们结合了多种低级图像特征与高级上下文。本文提出了一种简单且可扩展的检测算法，其平均精度均值（mAP）相较于 VOC 2012 上的先前最佳结果提升了 30% 以上，达到了 53.3% 的 mAP。我们的方法结合了两个关键见解：(1) 可以将高容量卷积神经网络（CNNs）应用于自底向上的区域提议，以定位和分割物体；(2) 当标注训练数据稀缺时，针对辅助任务进行监督预训练，随后进行特定领域的微调，可显著提升性能。由于我们将区域提议与 CNNs 相结合，我们将该方法称为 R-CNN：具有 CNN 特征的区域（Regions with CNN features）。我们还将 R-CNN 与 OverFeat 进行了比较，后者是一种基于类似 CNN 架构的最新提出的滑动窗口检测器。我们发现，在 200 类的 ILSVRC2013 检测数据集上，R-CNN 的表现大幅优于 OverFeat。完整系统的源代码可在 http://www.cs.berkeley.edu/~rbg/rcnn 获取。
引用
@article{arxiv.1311.2524,
title = {Rich feature hierarchies for accurate object detection and semantic segmentation},
author = {Ross Girshick and Jeff Donahue and Trevor Darrell and Jitendra Malik},
journal= {arXiv preprint arXiv:1311.2524},
year = {2014}
}
备注
Extended version of our CVPR 2014 paper; latest update (v5) includes results using deeper networks (see Appendix G. Changelog)