DAVE: A Unified Framework for Fast Vehicle Detection and Annotation ECCV2016
本文使用深度学习进行车辆检测和属性学习。提出的系统为 Detection and Annotation for Vehicles (DAVE) DAVE 可以干什么了？如下图所示：
DAVE 由两个模块构成：车辆检测模块 fast vehicle proposal network (FV**)，车辆属性提取模块 attributes learning network (ALN)。
对于 FV** 检测模块，有三个卷积层，两个池化层，随后分叉为三个 1×1 卷积层，这三个 1×1 卷积层分别对应Conv_fc_class 检测有无车辆， Conv_fc_bbr 坐标回归， Conv_fc_knowledge 从 ALN 学习到的信息，辅助检测。
对于 ALN，我们使用 GoogLeNet，在GoogLeNet后面加了4个全链接层 表示：V , P, C and T，V表示是否是车辆， P, C 和 T分别表示 pose, color and type。
结果对比：
