論文へのリンク
筆者・所属機関
投稿日付
2015/12/8
概要（一言まとめ）
物体検出をディープラーニングでEnd-to-Endでできるアルゴリズム
新規性（何が過去の研究に比べて凄い？）
従来の物体検出は、Selective Searchとの組み合わせなどで実現していたが、ディープラーニングでEnd-to-Endで学習できる。速度も精度も高い（Yoloと2トップ）。比較的低い解像度（300x300）でも性能を発揮出来る。
手法の概要
VGG-16の畳み込み層の後に、特別な畳み込み層（Extra Feature Layers）を追加している。この追加した層で、様々なスケールでの特徴量を抽出して検出が可能らしい（Multi-scale feature maps for detection）。
なんでそんなこと出来るのかは、全然分からなかったけど、以下のスライド見てちょっとだけ分かった気がしてきた。
コメント
関連情報
次に読む論文
自分なりのアウトプット
物体検出の概要をまとめて、実際に動かしてみる。
自前データでの学習もやってみたい。
気になった英単語・英語表現
- discretize 離散化・範囲ごとに分ける
- subsequent 後に続く
- encapsulate カプセルに包む、要約する
- truncated 先端を切ったような形の
We add convolutional feature layers to the end of the truncated base network 先端を断ち切ったような形のベースのネットワークに畳み込み層を追加
