用于高精度道路目标检测的浅层网络
计算机视觉与模式识别
2016-06-07 v1
摘要
自动检测道路上其他车辆的能力对于部分自动驾驶和全自动驾驶车辆的安全性至关重要。大多数针对此任务的高精度技术都基于 R-CNN 或其更快的变体之一。在研究界，很多重点被放在使用 3D 视觉或复杂的 R-CNN 变体来实现更高精度上。然而，是否存在更直接的修改也能带来更高精度？答案是肯定的。我们表明，与现成的基线相比，提高输入图像分辨率（即上采样）可带来高达 12 个百分点的精度提升。我们还发现，在某些情况下，CNN 的较早/较浅层比较晚/较深层提供更高的精度。我们进一步表明，浅层模型和上采样图像可产生具有竞争力的精度。我们的发现与当前在特定领域检测任务中通过更深、更大模型来实现高精度的趋势形成对比。
引用
@article{arxiv.1606.01561,
title = {Shallow Networks for High-Accuracy Road Object-Detection},
author = {Khalid Ashraf and Bichen Wu and Forrest N. Iandola and Mattthew W. Moskewicz and Kurt Keutzer},
journal= {arXiv preprint arXiv:1606.01561},
year = {2016}
}
备注
9 pages, 5 figures