基于特征共享的高效物體檢測.pdf

1、物體檢測，旨在定位并識別圖像中的物體，是計(jì)算機(jī)視覺的核心問題之一。盡管有長達(dá)數(shù)十年的研究歷史，但是在面對真實(shí)世界的復(fù)雜場景時(shí)，物體檢測系統(tǒng)的表現(xiàn)依然不盡如人意。作為兼具定位任務(wù)與識別任務(wù)的復(fù)雜系統(tǒng)問題，物體檢測始終在計(jì)算代價(jià)與模型能力的取舍中曲折前進(jìn)。本文的核心貢獻(xiàn)在于尋找能從本質(zhì)上減少物體檢測計(jì)算復(fù)雜度，同時(shí)能增強(qiáng)檢測系統(tǒng)能力的方法。本文以基于特征共享的高效物體檢測為核心，提山了四種創(chuàng)新的算法。這些算法相互關(guān)聯(lián)、兩兩結(jié)合，被運(yùn)用在兩個(gè)

2、檢測任務(wù)上—其中一個(gè)是基于卷積神經(jīng)網(wǎng)絡(luò)的通用物體檢測，另一個(gè)是適用于移動(dòng)設(shè)備的快速人臉檢測。
　　本文創(chuàng)新地提出了基于空間金字塔池化的物體檢測框架。這個(gè)方法打破了不同子圖像識別需要完全獨(dú)立計(jì)算的壁壘，使得基于卷積神經(jīng)網(wǎng)絡(luò)的檢測器可以在多區(qū)域分類時(shí)實(shí)現(xiàn)特征共享，提高了檢測系統(tǒng)在進(jìn)行子區(qū)域識別時(shí)的計(jì)算效率。于此同時(shí)，該框架使得卷積神經(jīng)網(wǎng)絡(luò)可以處理任意大小的圖像，為神經(jīng)網(wǎng)絡(luò)的應(yīng)用提供了更多的可能性。廣泛的實(shí)驗(yàn)證明該系統(tǒng)可以數(shù)十倍的提高檢

3、測系統(tǒng)子區(qū)域識別部分的計(jì)算效率。
　　在以上基于空間金字塔池化的物體檢測框架的基礎(chǔ)上，本文提出基于全卷積網(wǎng)絡(luò)的區(qū)域生成網(wǎng)絡(luò)。該網(wǎng)絡(luò)使用創(chuàng)新的錨點(diǎn)金字塔解決了多尺度/長寬比檢測的問題，實(shí)現(xiàn)了多尺度檢測的特征共享。將該網(wǎng)絡(luò)與物體檢測網(wǎng)絡(luò)共享特征進(jìn)一步提高了整個(gè)檢測系統(tǒng)的效率。多個(gè)通用物體識別數(shù)據(jù)庫上的實(shí)驗(yàn)證明，我們的系統(tǒng)對于檢測系統(tǒng)的性能有明顯的提升。更重要的是，我們的檢測系統(tǒng)作為首個(gè)實(shí)現(xiàn)近實(shí)時(shí)效率的神經(jīng)網(wǎng)絡(luò)通用物體檢測系統(tǒng)，提高了通

4、用物體檢測的研究效率以及實(shí)用價(jià)值。
　　結(jié)合以上提出的兩種檢測算法，本文提出的通用物體檢測系統(tǒng)在顯著提高物體檢測性能的情況下，實(shí)現(xiàn)了超過200倍的加速?；谶@套檢測系統(tǒng)，我們在世界上最著名的物體檢測競賽—ImageNet競賽中取得了2015年的冠軍。
　　本文針對精確人臉定位—人臉對準(zhǔn)任務(wù)提出了創(chuàng)新的局部二值特征以及相應(yīng)的學(xué)習(xí)方法。該算法結(jié)合局部特征學(xué)習(xí)與全局共享特征回歸學(xué)習(xí)，顯著增強(qiáng)了人臉對準(zhǔn)模型的性能和計(jì)算效率?；谶@種

5、特征學(xué)習(xí)算法的人臉對準(zhǔn)系統(tǒng)是目前最快的人臉對準(zhǔn)系統(tǒng)。在個(gè)人計(jì)算機(jī)上，本文提出的人臉對準(zhǔn)算法可以達(dá)到3000幀/秒的計(jì)算速度，在手機(jī)上也可以實(shí)現(xiàn)300幀/秒的計(jì)算速度。
　　在以上所提出的二值特征的基礎(chǔ)上，本文提出了同時(shí)處理人臉檢測和對準(zhǔn)的聯(lián)合算法框架。在這個(gè)框架中，本文通過在兩個(gè)任務(wù)之間共享所需特征，顯著提高了檢測精度，同時(shí)降低了總體的計(jì)算代價(jià)和內(nèi)存消耗。本文提出的這套人臉檢測系統(tǒng)是目前世界上最高效的人臉檢測系統(tǒng)之一。