解决快速目标检测的统一多尺度深度卷积神经网络,计算机外文翻译,车辆检测,多尺度,时空关联, 统一神经网络
译文(字数:5269):
摘要
我们提出了一个名为多尺度卷积神经网络(MSCNN)的统一的深度神经网络解决快速目标检测。多尺度卷积神经网络包括了候选框(proposal)子网和检测子网。在候选框子网中,多个输出层执行检测,因此感受野可以匹配不同尺度的目标。这些特定尺度互补的检测器结合起来生成一个强的多尺度目标检测器。这个统一的网络是通过优化多任务的损失来进行端对端的学习的。本文还探索了通过反卷积的特征上采样,作为上采样输入的候选,减少了内存和计算量的开销。在KITTI和Caltech数据集(包括了大量的小目标)上达到了最先进水平的目标检测性能,达到了15帧每秒。
关键词:目标检测,多尺度,统一神经网络
介绍
经典的目标检测器,基于滑动窗口范式,能探索多尺度、多长宽比的目标。当前实时的检测器对于具体类别对象的检测已经实现,例如面部和行人,证明了在这种范式下建立对于多目标的检测器很困难。最近,源于深度卷积神经网络的检测器备受关注。然而这些方法在多目标定位的方面显示了强大的能力,对于多目标多尺度的检测很少进展。RCNN从多尺度对目标候选框采样,使用初步注意力阶段,然后裁剪这些候选框至受CNN支持的大小(例如224*224)。
原文(未统计字数):