超级会员免费看
ThunderNet 是一种旨在实现嵌入式设备上实时目标检测的深度学习模型，它结合了两阶段方法的准确性与单阶段方法的速度。论文提出了一种名为 SNet 的专用主干网络，增强了感受野并融合了浅层与深层信息。通过Context Enhancement Module（CEM）、Compressed RPN和Detection Head、Position Sensitive ROI-Pooling以及Spatial Attention Module（SAM），ThunderNet实现了高效的目标检测，尤其适合资源有限的环境。
《ThunderNet: Towards Real-time Generic Object Detection》
（一）论文地址：
https://arxiv.org/pdf/1903.11752.pdf
（二）解决的问题：
如今基于卷积神经网络的目标检测准确率越来越高，但是需要的计算开销也越来越大，使得目标检测真正地应用在资源受限场景较为困难；
one-stage 方法（如 SSD）虽然计算消耗和复杂度较小，但是在目标检测框的预测上，与 two-stage 方法（如 Faster-RCNN）还有较大差距；
因此，作者在这里探索了如何将具有高准确度的 two-stage 方法，应用到嵌入式或者其他计算资源有限的场景中，提出的 ThunderNet 实现了ARM平台上的第一个实时检测器和最快的单线程速度；
订阅专栏 解锁全文
扫一扫
410
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
