面向目标检测的轻量级卷积神经网络探索
计算机视觉与模式识别
2017-10-06 v3 神经与进化计算
摘要
我们提出了具有更大空间尺寸特征图的模型，并在目标检测任务上对其进行了评估。为了为我们的模型选择最佳的特征提取网络，我们比较了几种流行的轻量级网络。此后，我们进行了一系列通道缩减算法实验以加速执行。我们的车辆检测模型准确、快速，因此适用于嵌入式视觉应用。在仅 1.5 GFLOPs 的情况下，我们的最佳模型在具有挑战性的 DETRAC 数据集的验证子集上给出了 93.39 AP。我们最小的模型首个在 CPU 上实现了实时推理速度，且精度仅合理下降至 91.43 AP。
引用
@article{arxiv.1707.01395,
title = {Towards lightweight convolutional neural networks for object detection},
author = {Dmitriy Anisimov and Tatiana Khanova},
journal= {arXiv preprint arXiv:1707.01395},
year = {2017}
}
备注
Submitted to the International Workshop on Traffic and Street Surveillance for Safety and Security (IWT4S) in conjunction with the 14th IEEE International Conference on Advanced Video and Signal based Surveillance (AVSS 2017)