目标检测--Accurate Single Stage Detector Using Recurrent Rolling Convolution

Accurate Single Stage Detector Using Recurrent Rolling Convolution
CVPR 2017 商汤科技关于目标检测的文献

Code: https://github.com/xiaohaoChen/rrc_detection

本文直观的理解就是对SSD 嵌入 contextual information 使其可以同时检测大目标和小目标。

这里 single stage detectors 就是一个过程就搞定了检测,相对于 R-CNN 系列的 two stage: 候选区域提取+分类
这里写图片描述

本文首先实用数学公式分析了一下 SSD 检测存在的问题
SSD heavily relies on a strong assumption to perform well
这个强假设就是 每一层特征 对于检测目标是足够复杂的 ,包含的信息是够用的。
every Φ, by itself, has to be sophisticated enough to support the detection and the accurate localization of the objects of interest
这里的 sophistication 满足一下三点:
1)特征的尺寸足够大,包含足够的目标细节
2)将原始输入图像映射到当前特征的 特征提取函数足够的deep,这样可以得到 合适的 high level abstraction ,得到目标的抽象信息
3)特征层含有合适的contextual information,基于这些信息可以解决 overlapping objects, occluded objects, small objects, blur or saturated objects

这里我们提出了一个 Recurrent Rolling Convolution

这里写图片描述

我的理解主要是用 Recurrent Rolling Convolution 来提取合适的 contextual information

这里写图片描述

这里写图片描述

KITTI 测试数据检测结果:
这里写图片描述

虽然是 single stage detector, 但是这个网络的速度应该不是很快。做不到实时检测

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值