近日,智能感知與計(jì)算研究中心張兆翔研究員及其團(tuán)隊(duì)借鑒腦神經(jīng)機(jī)制與視覺(jué)認(rèn)知機(jī)理,在視覺(jué)物體檢測(cè)模型與方法上取得了一系列進(jìn)展,共有5篇文章被ICCV2019錄用,1篇文章被NeurIPS2019錄用,1篇文章被《JMLR》期刊收錄。本次著重介紹基于三叉戟網(wǎng)絡(luò)(Trident Networks)的物體檢測(cè)。
物體檢測(cè)是計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域的核心問(wèn)題,一直以來(lái)受到學(xué)術(shù)界與工業(yè)界的廣泛關(guān)注。當(dāng)前物體檢測(cè)最大的難點(diǎn)如何對(duì)場(chǎng)景中多種尺度的物體進(jìn)行有效表征,進(jìn)而進(jìn)行更為高效、更為準(zhǔn)確、更為魯棒的物體檢測(cè)。
在二維透視成像中,近大遠(yuǎn)小是一個(gè)常見(jiàn)的現(xiàn)象,如圖1所示。這一透視關(guān)系,幫助人類視覺(jué)系統(tǒng)形成對(duì)三維空間的感知。但對(duì)于基于二維圖像的視覺(jué)感知任務(wù)而言,近大遠(yuǎn)小會(huì)導(dǎo)致相同真實(shí)大小的物體根據(jù)遠(yuǎn)近不同,因而在成像平面上形成不同尺度的物體。這將對(duì)視覺(jué)感知任務(wù)提出挑戰(zhàn)。具體來(lái)說(shuō):(1)這會(huì)導(dǎo)致信息的衰減,二維圖像捕獲的信息隨距離二次衰減,因而30米外的物體在圖片上可能只有15米外相同物體 1/4 的像素;(2)卷積神經(jīng)網(wǎng)絡(luò)具有局限性。由于卷積操作在二維平面上采用相同大小的滑動(dòng)窗口進(jìn)行計(jì)算,同一卷積操作無(wú)法同時(shí)對(duì)尺度差異較大的物體進(jìn)行響應(yīng)。
針對(duì)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的局限,張兆翔研究員及其團(tuán)隊(duì)首次提出 Trident 網(wǎng)絡(luò)結(jié)構(gòu)。首先通過(guò)不同膨脹系數(shù)的卷積支路實(shí)現(xiàn)對(duì)不同尺度的物體的識(shí)別,然后通過(guò)權(quán)重共享實(shí)現(xiàn)對(duì)不同尺度相同物體的一致性刻畫(huà)。我們還提出了一種在測(cè)試階段只需要一條卷積支路的快速 Trident 網(wǎng)絡(luò),快速 Trident 網(wǎng)絡(luò)保持了與傳統(tǒng)檢測(cè)器骨干網(wǎng)絡(luò)相同的計(jì)算量,大幅提升了我們方法的實(shí)用性。
該Trident方法可以與不同基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)結(jié)合,并在 COCO 數(shù)據(jù)集上取得大幅度提升。該文作為Oral文章在ICCV2019發(fā)表。
據(jù)悉,ICCV2019近期在韓國(guó)首爾召開(kāi)。ICCV的全稱是國(guó)際計(jì)算機(jī)視覺(jué)大會(huì),是計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域的頂級(jí)會(huì)議。ICCV2019共收到投稿4303篇,錄用文章1077篇,接受率為25%;其中oral文章187篇,oral接受率為4%。
來(lái)源:中國(guó)自動(dòng)化科學(xué)院研究所