一种快速准确的单阶段视觉定位方法
计算机视觉与模式识别
2019-08-20 v1
摘要
基于如下洞见，我们提出了一种简单、快速且准确的单阶段视觉定位(visual grounding)方法。现有提出-排序两阶段方法的性能受限于其在第一阶段所提区域候选的质量——若没有任何候选能覆盖真值区域，则第二阶段无从将正确区域排至顶端。为避免此缺陷，我们提出一种支持端到端联合优化的单阶段模型。其主要思想直截了当：将文本查询的嵌入融合进YOLOv3目标检测器，并辅以空间特征以处理查询中的空间指称。实验表明，尽管简单，该单阶段方法在短语定位与指代表达理解上于准确率和速度方面均展现出巨大潜力。鉴于这些结果以及对若干流行区域提案的细致考察，我们倡导视觉定位从传统两阶段方法向单阶段框架的范式转变。
引用
@article{arxiv.1908.06354,
title = {A Fast and Accurate One-Stage Approach to Visual Grounding},
author = {Zhengyuan Yang and Boqing Gong and Liwei Wang and Wenbing Huang and Dong Yu and Jiebo Luo},
journal= {arXiv preprint arXiv:1908.06354},
year = {2019}
}
备注
ICCV 2019 Oral