手游赌球游戏

浏览量:9628 时间:2018-12-11

原标题:学界 | 旷视&清华大学提出新型两步检测器Light-Head R-CNN选自arXiv机器之心编译参与:路雪、刘晓坤近日,来自旷视和清华的研究者提出一种新型两步检测器 Light-Head R-CNN,改变两步检测器头重脚轻(heavy-head)的设计,实现速度和准确率的双重突破。近期基于 CNN 的目标检测器可以分为一步检测器和两步检测器。一步检测器通常聚焦于快速、高准确率地检测最佳点(sweet-spot)。两步检测器将任务分为两步:第一步(检测器体/body)生成多个 proposal,第二步(检测器头/head)识别 proposal。通常情况下,为了达到最高准确率,头的设计比较复杂。两步检测器检测最佳点通常速度较慢,但是准确率很高。两步检测器(two-stage detector)可以在效率和准确率方面都战胜一步检测器吗?来自旷视和清华的研究者发现典型的两步检测器如 Faster R-CNN [5] 和 R-FCN [17] 具备相同的特征:与主干网络连接的检测器头比较重(heavy head)。例如,Faster R-CNN 在 ResNet 第 5 阶段中部署两个大型全连接层或所有卷积层用于每个 RoI(感兴趣区域)识别和回归。每个区域的预测都很耗时,当使用大量 proposal 时,需要的时间就更多。此外,RoI pooling 之后的特征通道很多,使得第一个全连接层消耗大量内存,影响计算速度。与多次应用每个区域子网络的 Fast/Faster R-CNN 不同,基于区域的全卷积网络(R-FCN)[17] 尝试在所有 RoI 中共享计算。但是,R-FCN 需要使用 #classes × p × p(p 是随后的池化规模)通道生成非常大的额外得分图(score map),这同样需要大量内存和时间。Faster R-CNN 或 R-FCN 的重头设计使得在使用小的主干网络时两步检测器的竞争力较弱。