[2018][***]Small Object Detection Using Deep Feature Pyramid Networks

1. 인용 논문 
Traffic-sign detection and classification in the wild 
Zhe Zhu, Dun Liang, Songhai Zhang, Xiaolei Huang, Baoli Li, Shimin Hu;  
The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, pp. 2110-2118 

2. 인용 부분

- Page 4-5

To detect small objects from a high-resolution image, we design a two-stage architecture as shown in Fig. 3. For region proposal stage, two top-down feature pyramids are built to obtain the high-level semantic feature maps at all scales, which boost the discriminative power of feature representation for small object.

 

For classification stage, we adopt the idea of Densenet [6]. To improve accuracy, focal loss [14] is used to supervise the proposal network.

 

Focal loss [14] achieves great success on solving the problem of class imbalance during training.

 

- Page 7

- Page 8