物体检测-CVPR16

• CVPR2016简介

CVPR16关于检测的文章已经出来有一段时间了，今天主要是想把CVPR16年关于检测的一些重要文章进行梳理，所以本文只注重框架，和特点，具体细节后续再补充。今年CVPR也出了不少检测的文章，主要包括：Inside-Outside Net[1],ResNet[2],G-CNN[3],HyperNet[4],LocNet[5],YOLO等。其中从特征改善的方法有[1,2,4],从效率上改善的有[3]和YOLO,从定位精度改善的为[5].下面对这些文章的贡献进行梳理.

          转载请注明出处：http://blog.csdn.net/ben_ben_niao/article/details/52014799

一，inside-outside net

这篇文章主要解决的是小物体检测问题，传统的方法只是将最后一层的输出作为特征，这样小物体在经过多层卷积和pooling后，特征区域已经很小了，所以检测效果有待提高。本文主要是结合前面卷基层的特征来解决小物体检测的问题，并加入RNN来添加context信息。

• 这篇文章的主要有两点：

1. inside:将不同featureMap的特征进行concat[文中称为skip-pooling],由于不同featureMap上的感受野不同，从而获取不同的scale的信息，改善对小物体的检测效果。
2. outside:添加RNN网络，获取context信息。相比传统的Region proposal的方法，只是利用了ROI内的信息，没有用到context信息，
3. 效果：VOC2012,从73.9%提升到76.