《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;