基于R-FCN的物体检测

基于R-FCN的物体检测

作者

JifengDai Yi Li Kaiming He Jian Sun

Microsoft Research Tsinghua University Microsoft Research Microsoft Research

译者

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

翻译：
吴刚@百纳.海豚浏览器

校对：
刘畅@百纳.海豚浏览器

微信公众号： zero_zebra

QQ交流群： 142961883

大量职位虚位以待！详情请见公众号.职位列表

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

摘要

我们使用R-FCN（region-based，fully convolutional networks）进行精确和有效的物体检测。对比之前的区域检测（Fast/Faster R-CNN [6][18]应用于每一个区域子网格要花费数百次），我们的区域检测是基于整幅图片的全卷积计算。为了达到这个目标，我们使用了一个“位敏得分地图”（position-sensitive score maps）来处理在图像分类中的平移不变性和在目标检测中的平移变换性这样一种两难境地。因此我们的方法采用了全卷积图片分类主干部分，例如最新的残差网络（Residual
Networks） (ResNets）[9]，用于目标检测。在PASCALVOC（e.g.，83.6% mAP on the 2007 set） 数据集的实验上，我们使用了101层ResNet达到了很好的效果。同时，我们仅仅使用了170ms/每张图片，比Faster R-CNN匹配快了2.5~20倍左右。公开的代码可以在此网站中访问到：GitHub
- daijifeng001/R-FCN: R-FCN: Object Detection via Region-based Fully Convolutional Networks