基于候选区域迭代提炼的目标检测方法

目标检测器Faster R-CNN的区域生成网络生成的表示物体在图片上潜在位置的候选区域的准确性不高,从而制约了检测准确率进一步提升的可能。针对此问题,提出了基于Faster R-CNN的候选区域纯迭代提炼模型和LSTM迭代提炼模型。纯迭代提炼模型在PASCAL VOC 07训练集上进行网络训练,在测试集上基于VGG-16骨干网络的迭代模型得到的最好mAP比基准高1.1%,基于ZFNet得到的最好mAP比基准高1.5%。LSTM迭代提炼模型也能够较好地提升检测准确率。而且由于LSTM层的加入,使得此模型能够从后一次候选区域迭代过程向前一次迭代进行反向传播,实现了端到端的学习。