PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection

PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection

论文地址
github源码

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，