现代卷积目标检测器的速度/精度权衡
计算机视觉与模式识别
2017-04-26 v3
摘要
本文的目标是作为选择检测架构的指南，使其在给定应用和平台上实现适当的速度/内存/精度平衡。为此，我们研究了现代卷积目标检测系统中各种以精度换取速度和内存使用的方法。近年来已提出若干成功的系统，但由于不同的基础特征提取器（如VGG、残差网络）、不同的默认图像分辨率以及不同的硬件和软件平台，进行 apples-to-apples 比较十分困难。我们统一实现了Faster R-CNN [Ren et al., 2015]、R-FCN [Dai et al., 2016]和SSD [Liu et al., 2015]系统，将其视为"元架构"，并追踪了通过使用替代特征提取器和在每个元架构中变化其他关键参数（如图像尺寸）所创建的速度/精度权衡曲线。在该谱系的一端，当速度和内存至关重要时，我们提出了一种可实现实时速度并可部署在移动设备上的检测器。在另一端，当精度至关重要时，我们提出了一种在COCO检测任务上达到最先进性能的检测器。
引用
@article{arxiv.1611.10012,
title = {Speed/accuracy trade-offs for modern convolutional object detectors},
author = {Jonathan Huang and Vivek Rathod and Chen Sun and Menglong Zhu and Anoop Korattikara and Alireza Fathi and Ian Fischer and Zbigniew Wojna and Yang Song and Sergio Guadarrama and Kevin Murphy},
journal= {arXiv preprint arXiv:1611.10012},
year = {2017}
}
备注
Accepted to CVPR 2017