ScaleNet：引导超市及其他场景中的目标候选框生成
计算机视觉与模式识别
2017-04-25 v1
摘要
受超市商品检测启发，本文研究了超市图像及其他自然图像中的目标候选框生成问题。我们认为图像中目标尺度的估计有助于生成目标候选框，尤其是对于目标尺度通常处于较小范围内的超市图像。因此，我们提出在生成目标候选框之前先估计图像的物体尺度。所提出的预测物体尺度的方法称为 ScaleNet。为验证 ScaleNet 的有效性，我们构建了三个超市数据集，其中两个是用于测试的的真实世界数据集，另一个是用于训练的合成数据集。简而言之，我们通过增加尺度预测阶段扩展了先前最先进的目标候选框方法。所得方法在超市数据集上大幅优于先前的最先进方法。我们还展示了该方法适用于其他自然图像的目标候选框生成，并在 MS COCO 数据集上优于先前最先进的目标候选框方法。超市数据集、虚拟超市以及用于创建更多合成数据集的工具将公开。
引用
@article{arxiv.1704.06752,
title = {ScaleNet: Guiding Object Proposal Generation in Supermarkets and Beyond},
author = {Siyuan Qiao and Wei Shen and Weichao Qiu and Chenxi Liu and Alan Yuille},
journal= {arXiv preprint arXiv:1704.06752},
year = {2017}
}