论文阅读-《RON-Reverse Connection with Objectness Prior Networks for Object Detection》

CVPR 2017
孔涛..HyperNet作者

0.Motivation

结合region-based的目标检测方法和region-free的目标检测方法。
主要关注两个问题:
1)多尺度目标定位
2)负样本挖掘

1.Contribution

1)对于多尺度定位,作者提出了reverse connection,类似FPN,增强了low level feature map的语义信息,提高了小目标检测的性能
2)对于负样本挖掘,作者提出了objectness prior来显著减少样本的搜索空间
3)RON是一个结合检测精度和速度的网络,在384x384的输入情况下能达到81.3% mAP on VOC2007,速度能达到15FPS,是最初的faster rcnn的3倍

2.Framework

R1
上图表示网络的整体框架,backbone network选择的是vgg16,将最后的3个全连接层的前面两个改造成了卷积层,最后一个fc舍弃了。最终输出的conv7的output_stride是64
作者选择了在con4到conv7的特征图上进行目标的预测。

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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