面向目标检测的锚框优化
计算机视觉与模式识别
2020-01-28 v2
摘要
本文提出一种优化目标检测中锚框的通用方法。当前，锚框被广泛采用于一众最先进的检测框架中。然而，这些框架通常以启发式方式预定义锚框形状，并在训练时固定尺寸。为提升精度并减少锚框设计工作量，我们提出动态学习锚形状，使锚框自动适应数据分布与网络学习能力。该学习方法可利用随机梯度下降轻松实现，并可插入任何基于锚框的检测框架。额外训练开销几乎可忽略，且对推理时间或内存成本无影响。详尽实验表明，所提锚优化方法在 Pascal VOC 07+12、MS COCO 与 Brainwash 等多个基准数据集上较基线方法一致取得显著提升（绝对 mAP 增益 ）。同时，针对不同锚初始化方法与锚形状数量的鲁棒性亦得到验证，极大简化了锚框设计问题。
引用
@article{arxiv.1812.00469,
title = {Anchor Box Optimization for Object Detection},
author = {Yuanyi Zhong and Jianfeng Wang and Jian Peng and Lei Zhang},
journal= {arXiv preprint arXiv:1812.00469},
year = {2020}
}
备注
WACV 2020 camera ready; more experiment results (ablation, Faster RCNN)