Single-Shot Refinement Neural Network for Object Detection-论文笔记

Single-Shot Refinement Neural Network for Object Detection

l基于卷积神经网络的目标检测分为具有较高精度的One-stage方法（例如，Faster R-CNN）和有较高效率的Two-stage方法（例如SSD），为了为了继承两者优点的同时克服它们的缺点，本文中提出了一种称为RefineDet的single-shot based detector，该detector比Two stage方法有更好的准确性，而且保持和One-stag方法的效率。

lRefineDet由两个相互连接的模块组成，即the anchor refinement module和the object detection module。具体而言，前者旨在：（1）过滤negative anchors以减少分类器的搜索空间，（2）粗略地调整anchors的位置和大小为随后的regressor提供更好的初始化。后一模块将精化anchors作为前者的输入，以进一步改进回归和预测多类标签。

l同时，设计了一个transfer connection block来传输anchor refinement module中的feature以此来预测object detection module中object的locations, sizes and class labels。多任务损失函数使我们能够以end-toend的方式训练整个网络。在PASCAL VOC 2007，PASCAL VOC 2012和MS COCO上进行的大量实验表明，RefineDet能够高效地实现最好的检测精度。代码位于https://github.com/sfzhang15/RefineDet。