AAAI2019 | 基于区域分解集成的目标检测 论文解读

Object Detection based on Region Decomposition and Assembly

AAAI2019 | 基于区域分解集成的目标检测 论文解读

作者 | 文永亮

学校 | 哈尔滨工业大学（深圳）

研究方向 | 目标检测、GAN

推荐理由：

这是一篇发表于AAAI2019的paper，文章提出了一种R-DAD的方法来对RCNN系列的目标检测方法进行改进。

研究动机：

目前主流的目标检测算法分为1 stage和2 stage的，而2 stage的目标检测方法以Faster-RCNN为代表是需要RPN（Region Proposals Network）生成RoI(Region of Interests感兴趣区域)的，文章认为正是因为被遮挡了的或者不精确的Region Proposals导致目标检测算法的不准确。作者的想法动机其实很简单，就是假如一辆车的左边被人遮挡了，那么这辆车的右边带来的信息其实才是更可信的。基于这个想法，文章提出R-DAD（Region Decomposition and Assembly Detector），即区域分解组装检测器，来改善生成的Region Proposals。

R-DAD的网络结构：