本文介绍了一种结合实时目标检测与语义分割的方法，利用Resnet50+SSD框架实现高效的一阶段检测，并通过特有的上采样block增强特征提取能力。实验表明，在VOC2007/2012及COCO数据集上，该方法能有效提升检测精度。
ICCV 2017
1.Motivation:
为了做到实时的目标检测和语义分割
2.Framework
采用的是Resnet50+SSD, ssd这种one-stage的检测器天生适合和分割一块做。上采样过程用到的block如下图所示，除了正常的skip connection之外，还用上了residual connection
3.Experiments
作者在VOC2007/2012以及COCO上做的实验，因为VOC上不是每一张有boungbing box标注的图像都有segmentation的标注，因此作者还用到了别人另外标注的分割标签：《Semantic contours from inverse detectors》
这里就放一张在VOC2007上的测试结果。因为加上了分割的标签，所以检测的效果肯定会更好。
上图表示在VOC2012验证集上的结果，可以看到分割和检测这两个任务可以相互促进
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
