Fast and accurate object detection in high resolution 4K and 8K video using GPUs 论文笔记

一、基本信息

标题：《Fast and accurate object detection in high resolution 4K and 8K video using GPUs》

时间：2018-10-26

出版源：HPEC 2018

论文领域：目标检测（Object Detection）

主要链接：

• homepage：None
• arXiv（Paper）：https://arxiv.org/abs/1810.10551
• github：https://github.com/previtus/AttentionPipeline

关键词：yolov2、attention、high resolution

二、研究背景

大多数目标检测论文都是聚焦在低分辨率图像上（特别是VOC、COCO），而低分辨率图像会损失很多细节，并且目前很多设备拍摄的图像或者视频都是高清的（4k/8k）。

如下图所示，一幅高清图像可以识别到更多的目标，如果使用传统的目标检测算法，resize图像后，会丢失很多目标（recall很低）。

因此这篇论文主要针对高清图像/视频来提出有效的目标检测算法，保证准确率和速度。

三、创新点

3.1 概述

论文提出Attention pipeline。第一阶段，将原始图像下采样（downscaling）到低分辨率空间中。在低分辨率中目标检测引导model attention到原图的重要区域。第二阶段，model直接处理原图上的区域，仅限于上述highlighted areas。

这里有个关键词Attention，其概念就是仅关注原图中少数的区域。

注：本文使用YOLOv2算法为基础网络。

主要贡献如下：

• We propose a novel method which processes high
  resolution video data while balancing the trade-off
  of accuracy and performance.

• We show that our method reduces the number of
  inspected crops as compared to a baseline method
  of processing all crops in each image and as a result
  increases performance by up to 27%.

• We increase the PASCAL VOC Average Precision
  score on our dataset fro