Réseaux de détection d'objets sur cartes de caractéristiques convolutives

La plupart des détecteurs d'objets contiennent deux composants importants : un extracteur de caractéristiques et un classificateur d'objets. L'extracteur de caractéristiques a rapidement évolué grâce à des efforts de recherche significatifs conduisant à de meilleures architectures profondes convolutionnelles. Le classificateur d'objets, cependant, n'a pas reçu beaucoup d'attention et de nombreux systèmes récents (comme SPPnet et Fast/Faster R-CNN) utilisent de simples perceptrons multicouches. Cet article démontre que la conception soignée de réseaux profonds pour la classification d'objets est tout aussi importante. Nous expérimentons avec des réseaux classificateurs région par région qui utilisent des caractéristiques convolutionnelles partagées, indépendantes de la région. Nous les appelons « Réseaux sur cartes de caractéristiques convolutives » (NoCs). Nous découvrons qu'en plus des cartes de caractéristiques profondes, un classificateur profond et convolutionnel par région est particulièrement important pour la détection d'objets, tandis que les modèles d'image classification les plus récents et performants (tels que ResNets et GoogLeNets) ne conduisent pas directement à une bonne précision de détection sans utiliser un tel classificateur par région. Nous montrons par des expériences que malgré l'efficacité des systèmes ResNets et Faster R-CNN, la conception des NoCs est un élément essentiel pour les entrées gagnantes de première place aux challenges ImageNet et MS COCO 2015.