为单发检测器编织多尺度上下文
计算机视觉与模式识别
2017-12-11 v1
摘要
从多个尺度聚合上下文信息已被证明能有效提升单发检测器（SSD）在目标检测上的精度。然而，现有的多尺度上下文融合技术计算代价高昂，不利地削弱了 SSD 的速度优势。本文提出一种称为 WeaveNet 的新型网络拓扑，能够高效融合多尺度信息并以可忽略的额外代价提升检测精度。所提 WeaveNet 迭代地将相邻尺度的上下文信息编织在一起，以实现更精细的上下文推理，同时保持快速速度。WeaveNet 由轻量级模块堆叠而成，易于训练且无需批归一化，并可通过我们所提的架构简化进一步加速。在 PASCAL VOC 2007、PASCAL VOC 2012 基准上的实验结果表明 WeaveNet 带来了显著的性能提升。对于批大小为 8 的 320x320 输入，WeaveNet 在 101 fps 下达到 PASCAL VOC 2007 测试集 79.5% mAP，仅增加 4 fps 额外代价，并通过更多迭代进一步提升至 79.7% mAP。
引用
@article{arxiv.1712.03149,
title = {Weaving Multi-scale Context for Single Shot Detector},
author = {Yunpeng Chen and Jianshu Li and Bin Zhou and Jiashi Feng and Shuicheng Yan},
journal= {arXiv preprint arXiv:1712.03149},
year = {2017}
}