AGSFCOS：基于注意力机制与尺度均衡金字塔网络的目标检测
计算机视觉与模式识别
2021-05-21 v1 人工智能
摘要
近来，无锚框（anchor-free）目标检测模型在精度与速度上超越基于锚框（anchor-based）目标检测展现出巨大潜力。因此，本文主要研究两个问题：（1）如何让无锚框目标检测模型中的骨干网络学习特征提取？（2）如何更好地利用特征金字塔网络？为解决上述问题，实验表明，我们的模型在COCO数据集上相较当前流行检测模型具有一定精度提升，所设计的注意力机制模块能良好捕获上下文信息、提高检测精度，并使用sepc网络帮助平衡抽象与细节信息，缓解特征金字塔网络中的语义鸿沟问题。无论是基于锚框的网络模型YOLOv3、Faster RCNN，还是无锚框的网络模型Foveabox、FSAF、FCOS，我们的最优模型在ResNet50背景下可获得39.5% COCO AP。
引用
@article{arxiv.2105.09596,
title = {AGSFCOS: Based on attention mechanism and Scale-Equalizing pyramid network of object detection},
author = {Li Wang and Wei Xiang and Ruhui Xue and Kaida Zou and Laili Zhu},
journal= {arXiv preprint arXiv:2105.09596},
year = {2021}
}
备注
9 pages,9 figures