DeepBox

DeepBox主要基于edgebox和fast-rcnn这两篇文章,对region proposal阶段进行了优化。

DeepBox的方法还是很简明的,核心思想如上图所示。首先使用一个bottom-up proposals方法(文中使用的是edgebox)生成一系列proposal,然后使用一个4层的卷积网络对这些区域打分,之后按照分数高低重新进行rank,最后保留前N个proposal,之后的流程就是套用fast-rcnn的部分对目标进行分类。

Results

作者首先评估了不同的region proposal的效率,可以看到达到相同的recall,DeepBox需要的proposals是最少的。

之后作者在COCO Testset上进行了测试,使用500个proposals,提出的方法可以达到37.8%的mAP,而使用500个proposals的edgebox,只能达到33.3%,而使用ss算法的fast-rccn,当proposals为2000时mAP为35.8%。从中可以看出,DeepBox可以使用更少的proposals达到更大的精度。


Reference

  1. https://arxiv.org/pdf/1505.02146.pdf

Related