鏈接：https://zhuanlan.zhihu.com/p/22261216
來源：知乎
著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。
基於R-FCN的物體檢測
作者
JifengDai Yi Li Kaiming He Jian Sun
Microsoft Research Tsinghua University Microsoft Research Microsoft Research
譯者
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
翻譯： 吳剛@百納.海豚瀏覽器
校對： 劉暢@百納.海豚瀏覽器
微信公衆號： zero_zebra
QQ交流羣： 142961883
大量職位虛位以待！詳情請見公衆號.職位列表
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
摘要
我們使用R-FCN（region-based，fully convolutional networks）進行精確和有效的物體檢測。對比之前的區域檢測（Fast/Faster R-CNN [6][18]應用於每一個區域子網格要花費數百次），我們的區域檢測是基於整幅圖片的全卷積計算。爲了達到這個目標，我們使用了一個“位敏得分地圖”（position-sensitive score maps）來處理在圖像分類中的平移不變性和在目標檢測中的平移變換性這樣一種兩難境地。因此我們的方法採用了全卷積圖片分類主幹部分，例如最新的殘差網絡（Residual Networks） (ResNets）[9]，用於目標檢測。在PASCALVOC（e.g.，83.6% mAP on the 2007 set） 數據集的實驗上，我們使用了101層ResNet達到了很好的效果。同時，我們僅僅使用了170ms/每張圖片，比Faster R-CNN匹配快了2.5~20倍左右。公開的代碼可以在此網站中訪問到：GitHub - daijifeng001/R-FCN: R-FCN: Object Detection via Region-based Fully Convolutional Networks
