上下文预热与反馈增强Faster R-CNN目标检测.pdfVIP

上下文预热和反馈用于更快的R‑CNN

纳夫·什里瓦斯塔瓦和纳夫·古普塔

卡内基梅隆大学

。在过去的几年中，目标检测领域取得了显著的性能提升。这些进

步大多归功于自下而上的前馈ConvNet框架。然而，对于人类而言，自

上而下的信息、上下文和反馈在进行目标检测时起着重要作用。本文研究

了如何将自上而下的信息和反馈纳入最先进的FasterR‑CNN框架中。具

体来说，我们提出：(a)为FasterR‑CNN增加一个语义分割网络；(b)

使用分割进行自上而下的上下文预热；(c)使用两阶段训练通过分割

自上而下的迭代反馈。我们的结果表明，这三项贡献均提高了目标检测、

语义分割和区域提议生成的性能。

1引言

目标检测领域在过去的几年里发生了巨大的变化。我们从手动设计的特征

向；从最初的滑动窗口方法转向了区

转了学习得到的ConvNet特征

提；从基于管道的框架，如基于区域的CNN（R‑CNN）转向

域议