基于增强语义的单阶段目标检测
计算机视觉与模式识别
2018-04-10 v2
摘要
我们提出了一种新颖的单阶段目标检测网络，名为具有增强语义的检测（DES）。我们的动机是通过一个语义分割分支和一个全局激活模块，在典型的深度检测器中丰富目标检测特征的语义信息。该分割分支由弱分割真值监督，即不需要额外的标注。与此同时，我们采用了一个全局激活模块，以自监督的方式学习通道与物体类别之间的关系。在 PASCAL VOC 和 MS COCO 检测数据集上的综合实验结果证明了所提方法的有效性。特别地，基于 VGG16 的 DES 在 VOC2007 测试集上取得了 81.7 的 mAP，在 COCO test-dev 上取得了 32.8 的 mAP，在 Titan Xp GPU 上每张图像的推理时间为 31.5 毫秒。使用较低分辨率版本时，我们在 VOC2007 上取得了 79.7 的 mAP，每张图像的推理时间为 13.0 毫秒。
引用
@article{arxiv.1712.00433,
title = {Single-Shot Object Detection with Enriched Semantics},
author = {Zhishuai Zhang and Siyuan Qiao and Cihang Xie and Wei Shen and Bo Wang and Alan L. Yuille},
journal= {arXiv preprint arXiv:1712.00433},
year = {2018}
}