没有合适的资源?快使用搜索试试~ 我知道了~
一种使用单个深层神经网络检测图像中对象的方法被称为SSD,这篇文档是由爱好者帮忙翻译而成的中文版论文,可以深入了解SSD
资源详情
资源评论
资源推荐
SSD:Single Shot MultiBox Detector
摘要
我们提供了一种在图像中使用单层神经网络进行目标检测的方法。我们的
方法叫做 ,通过在每一个特征图位置不同,将边界框的输出空间离散化为
一系列默认框。在预测阶段,网络在每一个默认框为每一个存在的目标类生成
一个得分,同时对该框进行调整来更好的适应目标尺寸。另外,网络将从多个
特征图得到的预测值与不同的结果结合,用来自然的处理不同尺寸的目
标。 与需要目标提议的方法相比更加简单,因为它完全消除了提议生成,
后续像素或特征重采样阶段,并将所有计算结果密封与一个网络中。这使得
更加 容易 训练 ,也 更加 容易 将检 测模 型融 入到 系统 中。 在
和 数 据 集 上 的 实 验 显 示 , 比 额 外 的
步骤在精度上更具优势,并有着更快的运算速度,同时为训练和推理
提供一个统一的框架。对于 的 训练集输入图像, 在
上取得了 !" 帧的速率,同时,取得了 #$%的 &。在 !' !'
的输入图像上, 取得了 ($"%的 &,优于同类的最先进的 )** 模
式。相比于其他的单层阶段, 具有更好的准确性,这种情况甚至在更小尺
寸的输入图像上同样如此。代码可以在以下网址下载:+,--.+/$&-
0/1"-2--3
关键字:实时视频目标检测,卷积神经网络
1,Introduction
当前最先进的目标检测系统大致都是以下几个步骤:先假定一个边界框,
在每一个框中重新抽取像素和特征,再使用一个高质量的分类器来判断跟踪物
体。这个方法自从 +4+05 以来,在检测基准上得以流
行。该方法基于 6)**,通过在 和 数据
集上进行训练。虽然有较好的准确性,但对于嵌入式系统来说,这类方法的计
算量太大,即使高端的硬件,对于实时应用程序来说,速度也过慢。通常,对
于这些方法方法的检测速度是通过 6 来衡量的,即使最快的高效率探测
器6)** 的执行速度也达到了 6。有很多攻击方法通过攻击每个
阶段的检测途径来建立更快的检测器。但是,迄今为止,高速度的检测方法都
是通过牺牲准确率来实现的。
这篇文章提出了基于目标探测的单层网络,这种方法没有对于假定的边界
框进行像素和特征的重新取样,并且拥有同样的准确率。这个结果在高精度探
测的速度有着显著的提高(在 上有 !" 的 6 和 #$%的 &,
与 6)** 的 6 和 $%& 或 7 的 #!6 和 ($#%6 形
成对比 )。基本的速度提 高来自于消除 /3.8 和 +
/9/8 或 :/&. 阶段来提高运算速度。本文虽然
不是第一篇这样做的文章,但本文做了一些提升性的工作,既保证了速度,也
保证了检测精度。我们的提升包括使用一个小的卷积滤波器来预测目标的类
别;在边界框位置,使用不同的预测器;过滤器<来检测不同的纵横比来抵消;
并将这些过滤器应用于网络后期的多个特征映射,以便在多个尺度上进行检
测。通过多种修改—特别是使用多种分层在不同的规格来预测。我们可以利用
相对低分辨率的输入图像来实现高准确率,进一步提高检测速度。虽然这些贡
献可能比较小,但我们注意到结果对 在实时检测有很大的提
升,从 ($#%& 的 7 到 #$%的 。这比最近的、非常高的文件残
留网络的检测精度有了相对较大的提高。另外,显著提高的高质量探测速度可
以扩宽计算机视觉的应用范围。
我们总结我们做出的贡献如下:
=提出了新的物体检测方法:,比原先最快的 7,7/>5
方法,还要快,还要精确。保证速度的同时,其结果的 &可与使用
.技术的方法(如 6)**)相媲美。
= 方 法 的 核 心 就 是 3 ( 物 体 ) , 以 及 其 归 属 类 别 的
(得分);同时,在 :/&上使用小的卷积核,去 3一系
列 /3.8的 82。
=本文中为了得到高精度的检测结果,在不同层次的 :/&上去
3 、 8 2 , 同 时 , 还 得 到 不 同 的
3。
=本文的这些改进设计,能够在当输入分辨率较低的图像时,保证检测的精
度。同时,这个整体 3))3的设计,训练也变得简单。在检测速度、检
测精度之间取得较好的 3)2。
=本文提出的模型( &3)在不同的数据集上,如 、?
、 , 都 进 行 了 测 试 。 在 检 测 时 间 ( &. ) 、 检 测 精 度
(/>)上,均与目前物体检测领域 ):)的检测方法进行了比
较。
The Single Shot Detector(SSD)
这一章节描述了我们提出的对于检测的 框架(第一节)和相关训练方
法(第二节)。之后,第三节给出了具体数据模型的细节和实验结果。
:.+?/@8
剩余27页未读,继续阅读
&刘仔很忙
- 粉丝: 37
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0