LocNet: Improving Localization Accuracy for Object Detection

这篇论文主要目的是提升检测框与目标的吻合度,特别是当IOU比较大时。之前主要使用bbox回归的方法,作者通过给搜索区域的每列或每行,或在目标bbox内分配概率解决,如下图所示:

LocNet: Improving Localization Accuracy for Object Detection_第1张图片

检测方法步骤:1.给定候选框,分配置信度;2.给定候选框,放大得到搜索区域,迭代得到新的更接近目标的候选框,算法流程如下:

LocNet: Improving Localization Accuracy for Object Detection_第2张图片

给定搜索区域R,划分成M个水平区域和竖直区域,返回每个区域的条件概率,考虑了In-Out概率和边界概率两个条件概率,主要是这两个信息对检测结果更有用。作者构建的检测模型即LocNet如下图所示:
LocNet: Improving Localization Accuracy for Object Detection_第3张图片

检测结果:结果主要是在IOU>0.65时与bbox回归相比,与实际目标的吻合度更高,这个方法对于需要精确目标位置的应用应该有帮助,matlab代码可以试试:https://github.com/gidariss/LocNet。
LocNet: Improving Localization Accuracy for Object Detection_第4张图片

你可能感兴趣的:(深度学习,目标识别)