卷积特征图上目标检测网络研究.pdfVIP

1

卷积特征图上的目标检测网络

、、Ross

Girshick、和

—大多数目标检测器包含两个重要组件：特征提取器和目标分类器。特征提取器随着研究的深入已迅速发展，形成了更优的

深度卷积架构。然而目标分类器却未受到足够，许多系统（如SPPnet和Fast/Faster

R‑CNN）仍使用简单的多层感知机。

本文证明，精心设计用于目标分类的深度网络同样重要。我们实验了使用共享的、与区域无关的卷积特征的区域分类网络，称其

6102

g

为“卷积特征图上的网络”（NoCs）。我们发现，除了深度特征图之外，深度且卷积的区域分类器对目标检测尤为重要，而最

u

A7

1新的优秀图像分类模型（如ResNets和Nets）若不采用这种区域分类器，无法直接带来良好的检测精度。实验表明，尽

管ResNets和Faster

R‑CNN系统有效，但NoCs的设计是2015年Ima