论文笔记: PVANet: Lightweight Deep Neural Networks for Real-time Object Detection

论文下载

• arxiv paper
• code

Abstract

1. 使用"Feature Extraction+Region Proposal+RoI Classification" 的结构，主要对Feature Extraction进行重新设计。因为，Region Proposal部分计算量不太大而且classification部分可以使用通用的技术(例如：Truncated SVD) 进行有效的压缩。
2. 设计原则：Less channels with more layers 和采用一些Building blocks （包括：串级的ReLU、Inception和HyperNet)

结果

VOC2007—83.8%mAP；VOC2012—82.5%mAP，46ms/image在NVIDIA Titan X GPU；计算量是ResNet-101的12.3% (理论上)

Introduction

准确率很高的检测算法有往往需要很大的计算量。现在压缩和量化技术的发展对减小网络的计算量很重要。这篇文章展示了我们用于目标检测的一个轻量级的特征提取的网络结构——PVANET

串级的ReLU(C.ReLU—Concatenated rectified linear unit)