SMC Faster R-CNN：面向场景专用的多目标检测器
计算机视觉与模式识别
2017-07-14 v1
摘要
通常，当通用检测器在特定场景上测试时，由于源训练数据集与目标场景样本间的巨大差异，其性能显著下降。为解决此问题，我们提出一种基于序贯蒙特卡洛(SMC)滤波器理论的迁移学习新形式，以自动专用化一个场景特定的Faster R-CNN检测器。所提框架使用基于SMC滤波器步骤的不同策略，将目标分布迭代近似为一组样本，从而使Faster R-CNN检测器专门朝向目标场景。此外，我们提出一个结合从目标视频序列提取的时空信息与Faster R-CNN输出层给出的置信度得分的似然函数，以有利于选择与正确标签关联的目标样本。通过在多个公开交通数据集上的实验证明了所提框架的有效性。与最先进的专用化框架相比，所提框架在单和多交通目标检测方面均呈现出令人鼓舞的结果。
引用
@article{arxiv.1706.10217,
title = {SMC Faster R-CNN: Toward a scene-specialized multi-object detector},
author = {Ala Mhalla and Thierry Chateau and Houda Maamatou and Sami Gazzah and Najoua Essoukri Ben Amara},
journal= {arXiv preprint arXiv:1706.10217},
year = {2017}
}