【论文笔记】Deep Neural Networks for Object Detection

来源:互联网 发布:苹果5s不能使用4g网络 编辑:程序博客网 时间:2024/05/24 01:38
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~~

0 0
原创粉丝点击