【论文笔记】Deep Neural Networks for Object Detection

论文 : << Deep Neural Networks for Object Detection >>
作者 : Christian Szegedy Alexander Toshev Dumitru Erhan

来源: Google
是否开放代码：否
主要思想：利用DNN来做目标检测，因为现在的CNN等深度学习在识别上面做的还挺好，但是在目标检测上面，好像没有特别突出的结果。目标检测 = 目标识别 +目标定位；
本文中作者把目标检测看做一个回归问题，回归目标窗口（BoundingBox）的位置，
寻找一张图片当中目标类别和目标出现的位置。
当前的目标检测方法效果比较好的是DPM（可变形部分模型）模型，建立在目标表示和目标可分解为由多个Part组成的模型，它是一种图模型，利用判别性学习这种图模型在目标检测中取得了不错的结果。

目标检测最重要的问题：1.大小（分辨率） 2.如何不滑动窗口来做（滑动窗口实在是太慢了）。
文章说明了：1. 基于DNN的回归不但可以学习有利于分类的特征，同时它也能够捕获到目标的几何信息；

主要内容：
通过设计基于DNN的回归，它的输出为二值化mask（掩码？反正就是来表示目标的位置信息），并且实现了从掩码中提取检测到的目标窗口，利用DNN的掩码回归问题中，即考虑到了完整图像的多尺度问题，同时也考虑到了一些小数量的图像裁剪块，然后以此精化；

在实现中，作者基于NIPS2012ImageNet那篇，直接把最后一层替换为回归层。

其它的基于DNN的检测方法或多或少是基于局部或者半局部分类器来做的，这这篇文章中采用的是利用整幅图像作为输入，然后通过位置回归来做的，这样的方法显然比滑动窗口的方法来说更加的高效；

对于存在的三个问题：1 .单个掩码可能区分开那些相互靠近的目标，2.由于输出大小的限制，产生的掩码会比原始图像小很多，所以这样就不能够精确的定位，3.因为输入是整张图像，一些小的图片能够影响到的输入神经元很少，所以将导致不易识别；

1.为了解决第一个问题：目标相互靠近的情况：
作者生成多个掩码，每个掩码表示着对应的完整的目标或者部分目标，他们使用一个网络来预测目标窗口掩码，使用4个附加的网络来检测4个半部分窗口，上下左右。这5个预测的结果是过完全的，但是可以减少不确定性和一些掩码错误。这样当有两个相同对象靠近出现在图像中时，产生的5个掩码至少有两个是不会合并在一起的，这样就可以区分开不同的目标；

==========================================

未完~~

【论文笔记】Deep Neural Networks for Object Detection相关推荐

[论文笔记]Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognizable Images
作者:Anh Nguyen, Jason Yosinski, Jeff Clune 链接:https://arxiv.org/pdf/1412.1897.pdf 摘要: 本文的工作基于Christia ...
[论文解读]Deep active learning for object detection
Deep active learning for object detection 文章目录 Deep active learning for object detection 简介摘要初步以前 ...
[论文阅读笔记]Deep Neural Networks are Easily Fooled:High Confidence Predictions for Unrecognizable Images
Deep Neural Networks are Easily Fooled:High Confidence Predictions for Unrecognizable Images(CVPR201 ...
LCDet Low-Complexity Fully-Convolutional Neural Networks for Object Detection in Embedded Systems
Subarna Tripathi UC San Diego∗ stripathi@ucsd.edu Byeongkeun Kang UC San Diego bkkang@ucsd.edu V asu ...
论文翻译——Feature Pyramid Networks for Object Detection
摘要: 特征金字塔是识别系统中检测不同尺度目标的基本组成部分.但最近的深度学习对象检测器已经避免了金字塔表示,部分原因是它们需要大量的计算和内存.本文利用深度卷积网络固有的多尺度金字塔层次结构,以额外 ...
论文笔记 Semantics-Guided Neural Networks for Efficient Skeleton-Based Human Action Recognition - CVPR
Semantics-Guided Neural Networks for Efficient Skeleton-Based Human Action Recognition 2020 CVPR | c ...
IEEE TGRS2019|【论文笔记】R2-CNN: Fast Tiny Object Detection in Large-Scale Remote Sensing Images
R²-CNN: Fast Tiny Object Detection in Large-Scale Remote Sensing Images 快速轻量的大尺度遥感图像目标检测框架论文地址:http ...
小目标检测论文笔记：Learning Calibrated-Guidance for Object Detection in Aerial Images
论文 Learning Calibrated-Guidance for Object Detection in Aerial Images paper:https://arxiv.org/abs/21 ...
论文笔记 | Improving neural networks by preventing co-adaptation of feature detectors
Authors G. E. Hinton , N. Srivastava, A. Krizhevsky, I. Sutskever and R. R. Salakhutdinov Hinton Abs ...
Youtube推荐系统论文-《Deep Neural Networks for YouTube Recommendations》-简单总结
文章目录前言一.背景介绍二.整体架构三.召回层四.排序层前言今天要学习的是一篇关于推荐系统的经典的论文,它是由google在2016年发表的,应用场景是youtube上的视频推荐,然后这 ...

【论文笔记】Deep Neural Networks for Object Detection

【论文笔记】Deep Neural Networks for Object Detection相关推荐

最新文章

热门文章