研究目的
设计一种新型多模态CNN架构,通过利用互补输入线索(而不仅依赖单一颜色信息)实现实时高精度目标检测。
研究成果
该论文提出了一种用于目标检测的快速多模态融合网络,该网络在中层采用多尺度合并层来融合来自两种不同模态的特征。该网络在速度上优于其他融合模型,在不损失精度的情况下达到了实时要求。在NYUD2 RGB-D数据集上的实验表明,与单一模态SSD基线相比,该融合网络的mAP提高了近10.0%,并能以35 FPS的帧率实时处理图像。
研究不足
该论文未明确提及研究的局限性。
研究目的
设计一种新型多模态CNN架构,通过利用互补输入线索(而不仅依赖单一颜色信息)实现实时高精度目标检测。
研究成果
该论文提出了一种用于目标检测的快速多模态融合网络,该网络在中层采用多尺度合并层来融合来自两种不同模态的特征。该网络在速度上优于其他融合模型,在不损失精度的情况下达到了实时要求。在NYUD2 RGB-D数据集上的实验表明,与单一模态SSD基线相比,该融合网络的mAP提高了近10.0%,并能以35 FPS的帧率实时处理图像。
研究不足
该论文未明确提及研究的局限性。
加载中....
您正在对论文“[IEEE 2018年第24届国际模式识别会议(ICPR) - 中国北京(2018年8月20日-2018年8月24日)] 2018年第24届国际模式识别会议(ICPR) - 实时RGB-D检测的跨模态多尺度融合网络”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期