PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection
Introduction
这篇论文是发表在2016nips上的一篇关于目标检测的论文,在这个论文之前,目标检测我个人看到效果最好的是Faster R-CNN+++(R-FCN的对比试验,+++代表添加了迭代边框回归,上下文信息和多尺度),但是Faster R-CNN+++还有一个缺点就是速度比较慢,在泰坦X上速度为3.36s一张图片。R-FCN在性能上稍微逊色,但是时间能降低到0.17s。实验结果可以看下图1。
图 1 摘选自R-FCN table4
从图中可以看出R-FCN虽然在时间和性能上都做到很好,但是缺点还是无法做到实时的目标检测。16年ECCV的SSD和16年CVPR的YOLO虽然速度有很大的提升,但是性能又下降不少。
目标检测的baseline基本上都是沿袭一下思路: CNN featue extract + region proposal + RoI classification 。本文中,作者从CNN feature extract这个角度入手,改进了CNN提取特征的网络结构,最终达到了很好的实验效果。
- 83.8% mAP VOC2007
- 82.5% mAP VOC2012
- 750ms/image i7-6700K CPU
- 46ms/image Titan X GPU
- 12.3 % computational cost compared to ResNet-101
个人认为,之前的工作都是fine-tuning的其他的网络结构,