Inspired by the recent success of r

Inspired by the recent success of regression-based object detectors, we propose a new system of neural networks in order to effectively (1) process spatiotemporal information and (2) infer region locations. Our methods extends the YOLO deep convolutional neural network into the spatiotemporal domain using recurrent neural networks. So, we refer to our method by ROLO (recurrent YOLO). The architecture of our proposed ROLO is shown in Fig. 2. Specifically, (1) we use YOLO to collect rich and robust visual features, as well as preliminary location inferences; and we use LSTM in the next stage as it is spatially deep and appropriate for sequence processing. (2) Inspired by YOLO’s location inference by regression, we study in this paper the regression capability of LSTM, and propose to concatenate high-level visual features produced by convolutional networks with region information. There are three phases for the end-to-end training of the ROLO model: the pre-training phase of convolutional layers for feature learning, the traditional YOLO training phase for object proposal, and the LSTM training phase for object tracking.

結果 (繁體中文) 1:

由最近的基於回歸的物體檢測器的成功的啟發，我們提出的神經網絡的一個新的系統，以有效地（1）處理的時空信息和（2）推斷區域的位置。我們的方法擴展了YOLO深卷積神經網絡到使用遞歸神經網絡的空域。所以，我們指的是由ROLO（復發YOLO）我們的方法。我們提出的ROLO的體系結構示於圖2。具體地說，（1），我們使用YOLO收集豐富且穩健的視覺特徵，以及初步位置的推論。我們用LSTM在下一階段，因為它是深空間和適當的順序處理。（2）通過回歸由YOLO的位置推斷的啟發，我們在本文研究LSTM的回歸能力，並建議通過與區域信息卷積網絡產生串連高級別視覺特徵。有三個階段為年底到終端的培訓ROLO模型：地物學習，為對象的提案傳統YOLO訓練階段，並為對象跟踪LSTM訓練階段卷積層的預訓練階段。

結果 (繁體中文) 2:

受基於回歸的物體探測器最近的成功啟發，我們提出了一個新的神經網路系統，以便有效地（1）處理時空資訊，（2）推斷區域位置。我們的方法使用迴圈神經網路將 YOLO 深層卷積神經網路擴展到時空域。因此，我們引用我們的方法通過ROLO（迴圈YOLO）。我們提議的 ROLO 的體系結構如圖 2 所示。具體來說，（1）我們使用YOLO收集豐富而強大的視覺特徵，以及初步的位置推論;我們在下一階段使用 LSTM，因為它在空間上非常深，適合序列處理。（2）在YOLO通過回歸定位推理的啟發下，本文研究了LSTM的回歸能力，並提出將卷積網路產生的高級視覺特徵與區域資訊相連接。ROLO 模型的端到端培訓有三個階段：特徵學習卷積層的預訓練階段、物件建議的傳統 YOLO 培訓階段和物件跟蹤的 LSTM 培訓階段。

結果 (繁體中文) 3:

受基於回歸的目標檢測器最近的成功啟發，我們提出了一種新的神經網路系統，以有效地（1）處理時空資訊和（2）推斷區域位置。我們的方法利用遞迴神經網路將YOLO深卷積神經網路擴展到時空域。所以，我們使用ROLO（遞迴YOLO）方法。我們提出的ROLO的架構如圖2所示。具體來說，（1）我們使用YOLO來收集豐富和健壯的視覺特徵，以及初步的位置推斷；並且我們在下一階段使用LSTM，因為它在空間上很深，適合於序列處理。（2）受YOLO回歸定位推理的啟發，本文研究了LSTM的回歸能力，提出了將卷積網絡產生的高層次視覺特徵與區域資訊連接起來。ROLO模型的端到端訓練分為三個階段：特徵學習的卷積層預訓練階段、目標提議的傳統YOLO訓練階段和目標跟踪的LSTM訓練階段。