基于R-FCN的物体检测
2017-12-27 11:09
447 查看
基于R-FCN的物体检测
作者
JifengDai Yi Li Kaiming He Jian SunMicrosoft 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(ResidualNetworks) (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
相关文章推荐
- 论文翻译: 基于R-FCN的物体检测
- (论文+代码)R-FCN:基于区域的全卷积神经网络进行物体检测
- 论文理解 R-FCN:基于区域的全卷积网络来检测物体
- 基于R-FCN的物体检测
- R-FCN:基于区域的全卷积网络来检测物体
- 论文翻译 基于R-FCN的物体检测
- R-FCN:基于区域的全卷积网络来检测物体 论文解读
- R-FCN:基于区域的全卷积网络来检测物体
- R-FCN:基于区域的全卷积网络来检测物体
- R-FCN:基于区域的全卷积网络来检测物体
- 论文理解 R-FCN:基于区域的全卷积网络来检测物体
- 基于R-FCN的物体检测
- R-FCN:基于区域的全卷积网络来检测物体
- 基于R-CNN的物体检测(详细版)
- 深度学习(十八)基于R-CNN的物体检测-CVPR 2014
- 【论文笔记】物体检测系列 R-FCN: Object Detection via Region-based Fully Convolutional Networks
- 基于R-CNN的物体检测详解
- 基于R-CNN的物体检测
- 基于opencv的相机之物体跟踪/抖动检测/图库更新/模仿HDR/模仿ChromaFlash(三)
- 深度学习(十八)基于R-CNN的物体检测