论文阅读: R-FCN-3000

Introduction

R-FCN-3000的定位是 large-scale detector 。

large-scale detector	核心技术	精度	意义
YOLO-9000	语法树	较差	第一个large-scale detector
R-FCN-3000	解耦“定位”和“分类”	较好	第一个可实用的large-scale detector

分类

采用了YOLO-9000中的分类思想：

大类得分 × 细类得分 = 最终分类得分

定位回归

将“定位”和“分类”解耦，避免了R-FCN中对每个类都进行一次bbox回归：

设计了双pipeline结构如下：

Innovation

经过一系列实验，发现：

• “按类进行回归”是没有必要的，去掉之后甚至可以获得一个更合理的object得分；
• 因为很多object类之间的外观高度相似，共享“定位卷积计算”是可行的。

Result

R-FCN-3000效果图如下：

Thinking

这篇文章我只是略读。觉得作者洞察得很仔细，设计的网络结构也较简单，而且最终的检测精度和检测速度都不错。

---

[1] R-FCN-3000 at 30fps: Decoupling Detection and Classification