目标检测强化上下文模型

郑晨斌,张勇,胡杭,吴颖睿,黄广靖

Object detection enhanced context model

Chen-bin ZHENG,Yong ZHANG,Hang HU,Ying-rui WU,Guang-jing HUANG

表 5 各目标检测器在VOC2007测试集上的检测结果

Tab.5 Detection results of each object detector on VOC2007 test set

方法 骨干网络 框架 GPU 锚框数目 输入大小 v/(帧·s−1) $\varPhi $/% 注：1）网络模型的官方版本使用Caffe实现，且硬件和环境配置与本文不同，为了公平比较检测速度，使用PyTorch重新实现SSD和FSSD模型，并在相同环境下进行测试；2）网络模型的硬件和环境配置也与本文不同，同样在相同环境下进行测试. Faster R-CNN[19] VGG16 Caffe K40 300 ~1 000×600 5.0 73.17 ION[20] VGG16 Caffe Titan X 3 000 ~1 000×600 1.3 75.55 R-FCN[21] ResNet-101 Caffe K40 300 ~1 000×600 5.9 79.51 CoupleNet[22] ResNet-101 Caffe Titan X 300 ~1 000×600 9.8 81.70 YOLOv2[14] Darknet-19 darknet Titan X − 352×352 81.0 73.70 YOLOv2[14] Darknet-19 darknet Titan X − 544×544 40.0 78.60 ${\rm{SSD}}{300^{\rm{*}}}$[12] VGG16 Caffe Titan X 8 732 300×300 46.0 77.51 ${\rm{SSD}}{300^{1)}}$ VGG16 PyTorch 1080Ti 8 732 300×300 95.3 77.51 DSOD300[23] DS/64-192-48-1 Caffe Titan X 8 732 300×300 17.4 77.66 DSSD321[12] ResNet-101 Caffe Titan X 17 080 321×321 9.5 78.63 R-SSD300[5] VGG16 Caffe Titan X 8 732 300×300 35.0 78.50 FSSD300[6] VGG16 Caffe 1080Ti 11 570 300×300 65.8 78.77 ${\rm{FSSD}}300$ 1) VGG16 PyTorch 1080Ti 11 570 300×300 85.7 78.77 RefineDet320[24] VGG16 Caffe Titan X 6 375 320×320 40.3 79.97 RFB Net300[1] VGG16 PyTorch Titan X 11 620 300×300 83.0 80.50 ${\rm{RFB}}\,{\rm{Net30}}{\rm{0}}$ 2) VGG16 PyTorch 1080Ti 11 620 300×300 70.0 80.42 ECMNet300 VGG16 PyTorch 1080Ti 11 620 300×300 73.5 80.52