Fast R-CNN 정리(1)

This paper is written by Ross Girshick(Microsoft Research)

 

 

 

논문 본문 정리내용 기록 남기기(개인 공부 포스팅입니다)

 

[Abstract]

 

본 논문은 객체 검출을 위한 Fast-Region 컨볼루션 네트워크(Fast R-CNN) 방식을 제안한다.

 

Fast R-CNN은 심층 컨볼루션 네트워크를 이용하여 효율적으로 객체 proposal을 분류하는 이전의 작업을 기반으로 한다.

 

이전의 작업과 비교하자면, Fast R-CNN은 detection 정확도 상승뿐만 아니라 학습과 테스트 속도를 개선하는 방법을

 

사용한다.  이후 내용은 성능 측면 설명과 부가적 정보이므로 생략합니다

 

 

 

[1. Introduction]

Compared to image classification object-detection is more challenging.

 

Due to this complexity train models in multi-stage pipelines are slow and inelegant.

 

Cause of complexity)

detection requires accurate localization of object

=>2 challenges

 

1. numerous proposals must be processed.

2. these proposals provide only rough localization info->those must be refined to get precise localization.

 

 

Main concept)

In this paper, we propose a single-stage training algorithm

->jointly learns to classify object proposals 

->refine spatial locations.

 

 

[1.1 R-CNN & SPPnet]

 

 

 

 

 

3. Object detection is slow

 

R-CNN performance speed is slow because of absense of sharing computation.

 

 

[1.2 Contributions]

Main Concept)

We propose a new training algorithm(R-CNN & SPP net 단점 보완)

 

Advantages)

1. Better mAP than R-CNN,SPPnet

2. Training is single stage<-use multi task loss

3. By sharing computations->update all network layers during training

4. No disk storage is required due to feature caching

 

 

 

 

오늘도 감사합니다.