Faster R-CNN: Auf dem Weg zur Echtzeit-Objekterkennung mit Region Proposal Networks

State-of-the-art Objekterkennungsnetzwerke sind auf Region Proposal Algorithmen angewiesen, um Objektpositionen zu vermuten. Fortschritte wie SPPnet und Fast R-CNN haben die Laufzeit dieser Erkennungsnetzwerke reduziert, wodurch die Berechnung der Region Proposals zum Engpass wurde. In dieser Arbeit führen wir ein Region Proposal Network (RPN) ein, das die vollbildigen konvolutionalen Merkmale mit dem Erkennungsnetzwerk teilt und so nahezu kostenfreie Region Proposals ermöglicht. Ein RPN ist ein vollständig konvolutionales Netzwerk, das an jeder Position gleichzeitig Objektgrenzen und Objektigkeitswerte vorhersagt. Das RPN wird end-to-end trainiert, um hochwertige Regionvorschläge zu generieren, die von Fast R-CNN für die Erkennung verwendet werden. Wir verschmelzen darüber hinaus RPN und Fast R-CNN zu einem einzigen Netzwerk, indem wir ihre konvolutionalen Merkmale teilen – unter Verwendung des kürzlich populären Terminus von neuronalen Netzwerken mit „Attention“-Mechanismen sagt die RPN-Komponente dem vereinheitlichten Netzwerk, wohin es schauen soll. Für das sehr tiefe VGG-16 Modell erreicht unser Erkennungssystem eine Bildrate von 5fps (inklusive aller Schritte) auf einer GPU und erzielt zugleich state-of-the-art Objekterkennungsgenauigkeit auf den Datensätzen PASCAL VOC 2007, 2012 und MS COCO mit nur 300 Vorschlägen pro Bild. In den Wettbewerben ILSVRC und COCO 2015 bilden Faster R-CNN und RPN die Grundlage der erstplatzierten Lösungen in mehreren Kategorien. Der Code wurde öffentlich zugänglich gemacht.