[论文笔记]Speed/accuracy trade-offs for modern convolutional object detectors
2017-12-22 10:40
471 查看
论文链接:https://arxiv.org/pdf/1611.10012.pdf
这篇论文是由谷歌发表的,主要在速度和准确性两方面来权衡目标检测算法的性能,主要比较了三个经典的目标检测算法(Faster-rcnn, SSD, R-FCN),这三种算法分别使用六种特征提取器来实现检测( VGG-16, Resnet-101, Inception v2, Inception v3, Inception Resnet (v2), MobileNet ),使用开源框架Tensorflow。
三种算法原理图
虽然在SSD和R-FCN论文中都讲到无论是在速度上还是在准确度上都要比Faster-rcnn要好,但是在同样的网络结构,训练方法等条件下,该论文证明其实还是Faster-rcnn的准确性要好,但是速度方面却不占优势。看下图
上图可以看出还是Faster-rcnn(圆圈)的mAP比较高,但是速度却是慢了些。
下图展示的是不同算法对不同大小物体(large,medium,small)的检测精度,可以看出大目标的检测精度就是比小目标的检测精度要高,Faster-rcnn的效果也最好(多数情况下)
在特征提取器比较中,Inception Resnet (v2) 结构是效果最好的,看下图
可以看出没有一种算法可以在速度和准确性上都做的很好,本篇文章给出了根据自己的目标选择的依据(看中速度还是看中准确性还是两者兼顾),下面是几张效果图
这篇论文是由谷歌发表的,主要在速度和准确性两方面来权衡目标检测算法的性能,主要比较了三个经典的目标检测算法(Faster-rcnn, SSD, R-FCN),这三种算法分别使用六种特征提取器来实现检测( VGG-16, Resnet-101, Inception v2, Inception v3, Inception Resnet (v2), MobileNet ),使用开源框架Tensorflow。
三种算法原理图
虽然在SSD和R-FCN论文中都讲到无论是在速度上还是在准确度上都要比Faster-rcnn要好,但是在同样的网络结构,训练方法等条件下,该论文证明其实还是Faster-rcnn的准确性要好,但是速度方面却不占优势。看下图
上图可以看出还是Faster-rcnn(圆圈)的mAP比较高,但是速度却是慢了些。
下图展示的是不同算法对不同大小物体(large,medium,small)的检测精度,可以看出大目标的检测精度就是比小目标的检测精度要高,Faster-rcnn的效果也最好(多数情况下)
在特征提取器比较中,Inception Resnet (v2) 结构是效果最好的,看下图
可以看出没有一种算法可以在速度和准确性上都做的很好,本篇文章给出了根据自己的目标选择的依据(看中速度还是看中准确性还是两者兼顾),下面是几张效果图
相关文章推荐
- 论文笔记之---Speed and accuracy trade-offs for modern convolutional object detectors
- 论文阅读-《Speed/accuracy trade-offs for modern convolutional object detectors》
- 目标检测“Speed/accuracy trade-offs for modern convolutional object detectors”
- Speed/accuracy trade-offs for modern convolutional object detectors
- Speed/accuracy trade-offs for modern convolutional object detectors
- READING NOTE: Speed/accuracy trade-offs for modern convolutional object detectors
- 论文:Speed/accuracy trade-offs for object detectors
- Region-based Convolutional Networks for Accurate Object Detection and Segmentation----R-CNN论文笔记
- 【论文笔记】Region-based Convolutional Networks for Accurate Object Detection and Segmentation
- 论文笔记之:Spatially Supervised Recurrent Convolutional Neural Networks for Visual Object Tracking
- 论文笔记 MSCNN:A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- 论文笔记之:Fully-Convolutional Siamese Networks for Object Tracking
- 多尺度R-CNN论文笔记(5): A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- [深度学习论文笔记][CVPR 17 oral]A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- 论文笔记 A MultiPath Network for Object Detection
- 【论文阅读笔记】Segmentation as Selective Search for Object Recognition
- [论文笔记]SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
- 【论文笔记】Fully Convolutional Networks for Semantic Segmentation
- 论文笔记 《Rich feature hierarchies for accurate object detection and semantic segmentation》
- 多尺度R-CNN论文笔记(6): Feature Pyramid Networks for Object Detection