Yes-Net：一种基于全局信息的有效检测器
计算机视觉与模式识别
2017-07-03 v2
摘要
本文介绍了一种名为 Yes-Net 的新型实时目标检测方法。它像 YOLOv2 和 SSD 一样通过单个神经网络实现边界框与类别的预测，但拥有更高效且出色的特性。它通过在大模型（CNN）中添加 RNN 架构作为封装单元来形成基础特征提取器，从而将局部信息与全局信息相结合。Yes-Net 还采用了来自全维度 k-means 的独立锚框，其相比网格锚框带来了更好的平均 IOU。此外，Yes-Net 不使用 NMS，而是利用 RNN 作为过滤器获取最终边界框，效率更高。对于 416 x 416 输入，Yes-Net 在 Nvidia Titan X Pascal 上以 39 FPS 在 VOC2007 test 上达到 79.2% mAP。
引用
@article{arxiv.1706.09180,
title = {Yes-Net: An effective Detector Based on Global Information},
author = {Liangzhuang Ma and Xin Kan and Qianjiang Xiao and Wenlong Liu and Peiqin Sun},
journal= {arXiv preprint arXiv:1706.09180},
year = {2017}
}