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

最新推荐文章于 2020-05-25 17:07:50 发布

yj_isee

最新推荐文章于 2020-05-25 17:07:50 发布

阅读量5.4k

点赞数 2

分类专栏： Computer Vision 计算机视觉论文研读

本文链接：https://blog.youkuaiyun.com/yaoqi_isee/article/details/75143906

版权

《RON-Reverse Connection with Objectness Prior Networks for Object Detection》是CVPR 2017的一篇论文，由HyperNet的作者孔涛提出。论文旨在结合区域和非区域目标检测方法，关注多尺度目标定位和负样本挖掘。主要贡献包括：1) 引入反向连接模块，增强低层特征图的语义信息，提高小目标检测精度；2) 提出对象先验概念，减少搜索空间，提高效率；3) RON网络在384x384输入下实现81.3% mAP on VOC2007，速度为15FPS，是原Faster R-CNN的3倍。实验结果显示，RON在网络框架中取得了显著的性能提升，尤其是在小目标检测方面。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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