尺度感知像素级目标提议网络
计算机视觉与模式识别
2016-07-26 v3
摘要
目标提议对于当前最先进的物体检测流程至关重要。然而，现有提议方法通常无法产生具有令人满意定位精度的结果。对于实践中常见的小物体，情况更糟。本文提出一种新颖的尺度感知像素级目标提议(SPOP)网络来应对这些挑战。SPOP网络能够生成具有高召回率和平均最佳重叠(ABO)的提议，即使对于小物体也是如此。特别地，为提高定位精度，采用全卷积网络预测每个像素的目标提议位置。所产生的像素级目标提议集成显著增加了命中物体的机会，且未带来沉重的额外计算成本。为解决小尺度物体定位的挑战，遵循分治思想，引入了两个专门针对不同尺度物体定位的定位网络。随后通过大/小尺寸加权网络自适应地组合这两个网络的位置输出以生成最终提议。在PASCAL VOC 2007上的大量评估表明SPOP网络优于最先进的模型。SPOP网络的高质量提议也显著提升了基于Fast-RCNN框架的物体检测平均精度均值(mAP)。最后，SPOP网络(在PASCAL VOC上训练)在ILSVRC 2013验证集上测试时展现出很好的泛化性能。
引用
@article{arxiv.1601.04798,
title = {Scale-aware Pixel-wise Object Proposal Networks},
author = {Zequn Jie and Xiaodan Liang and Jiashi Feng and Wen Feng Lu and Eng Hock Francis Tay and Shuicheng Yan},
journal= {arXiv preprint arXiv:1601.04798},
year = {2016}
}
备注
accepted by IEEE Transactions on Image Processing