具有特征增强与关系推理的更紧凑目标检测器头网络
计算机视觉与模式识别
2021-07-06 v2
摘要
对隐式特征交互模式建模对目标检测任务具有重要意义。然而，在两阶段检测器中，由于手工设计组件的过度使用，很难推理实例特征之间的隐式关系。为解决这个问题，我们分析了三种不同层次的特征交互关系，即裁剪局部特征与全局特征之间的依赖关系、实例内的特征自相关关系，以及实例之间的互相关关系。为此，我们提出了一种更紧凑的目标检测器头网络（CODH），其不仅能保留全局上下文信息并浓缩信息密度，还允许在更大矩阵空间中进行实例级特征增强与关系推理。不加任何额外技巧，我们的方法在显著提升检测性能的同时大幅减少了模型参数量，例如，采用我们的方法，头网络参数量比最先进的 Cascade R-CNN 小 0.6 倍，而在 COCO test-dev 上的性能提升为 1.3%。在不失一般性的情况下，我们也可通过集成我们的方法为其他多阶段检测器构建更轻量的头网络。
引用
@article{arxiv.2106.14475,
title = {A More Compact Object Detector Head Network with Feature Enhancement and Relational Reasoning},
author = {Wenchao Zhang and Chong Fu and Xiangshi Chang and Tengfei Zhao and Xiang Li and Chiu-Wing Sham},
journal= {arXiv preprint arXiv:2106.14475},
year = {2021}
}