Дослідження · 11 листопада 2013 р.

R-CNN: згорткова мережа знаходить об'єкти

11 листопада 2013 року Росс Гіршик, Джітендра Малік і співавтори з Берклі показали, що мережа, навчена класифікувати цілі зображення ImageNet, може знаходити об'єкти: вона оцінює близько 2 000 регіонів-пропозицій, і на PASCAL VOC 2007 середня точність сягає 48 %.

Чому це важливо

Детекцію об'єктів перевели з ручних ознак на ознаки згорткової мережі, перенесені з класифікації, — з приростом понад 40 % відносно деформовних моделей частин. Звідси почалася лінія детекторів, у якій наступні роботи міряли себе проти R-CNN.

Схема: пропозиції регіонів знизу вгору (selective search), для кожного — ознаки великої згорткової мережі, потім лінійні SVM за класами. На PASCAL VOC 2010 — 43,5 % mAP проти 35,1 % у методу з тими самими регіонами й мішком візуальних слів і 29,6 % у деформовних моделей частин. Запис не стверджує 53,3 % на VOC 2012 і результату на ILSVRC2013: цих чисел у першій версії немає, вони з'явилися в пізніших.

Відомості про подію

Дата події: 11 листопада 2013 р.
Дата на часовій лінії: Дата події
Перевірка: Джерела зібрано автоматично · 25 вересня 2026 р.
ID: evt-0754

День подання першої версії препринта (технічний звіт). Числа прочитано в ній; пізніші версії додали результати на VOC 2012 та ILSVRC2013, яких у першій немає.

Джерела

першоджерело Rich feature hierarchies for accurate object detection and semantic segmentation (arXiv:1311.2524v1)
arXiv · Опубліковано 11 листопада 2013 р.

Пов’язані події

Спирається на AlexNet в ImageNet
R-CNN бере згорткову мережу Крижевського й співавторів, попередньо навчену на ILSVRC 2012, і донавчає її на регіонах для детекції.
Rich feature hierarchies for accurate object detection and semantic segmentation (arXiv:1311.2524v1)

Записи, що посилаються на цей

Протиставляє YOLO: детекція за один погляд
YOLO відмовляється від пропозицій регіонів R-CNN: одна мережа за один прохід регресує рамки й класи з усього зображення і, за статтею, рідше помиляється на тлі.
You Only Look Once: Unified, Real-Time Object Detection (arXiv:1506.02640v1)
Пов’язано Об’єкт як шаблон із рухомими частинами
R-CNN міряє себе саме проти моделей з частин: 34 % на VOC 2007 у них проти 48 % у себе.
Rich feature hierarchies for accurate object detection and semantic segmentation (arXiv:1311.2524v1)