基于区域分解组装目标检测技术研究.pdfVIP

第三十三届国际会议（AAAI‑19）

基于区域分解和组装的目标检测

Seung-HwanBae计算机视觉，计算机科学与工程系，仁川国

立大学，仁川延寿区学园路119号，韩国22012shbae@inu.ac.kr

现代卷积检测器通常通过固定输入尺度来简化特征

基于区域的目标检测方法可以推断图像中一个或多个类别提取和目标检测过程。但即使有CNN对尺度变化的鲁

的目标区域。由于深度学习和区域提议方法的进展，棒性，由于生成的提议与对象区域之间的不匹配，区域

基于卷积神经网络（CNN）的目标检测器得到了蓬勃发展，提议的准确性经常下降。此外，这种不匹配在小目标检

并了有希望的检测结果。然而，由于遮挡和确的

测中往往更为严重（Lin等，2017a）。为了提高提议

区域提议导致的目标CNN特征的区分度较低，检测精度往

往会下降。在本文中，我们提