锚点-中间检测器：解耦与耦合边界框以实现精确目标检测
计算机视觉与模式识别
2023-10-10 v1
摘要
基于锚点的检测器在目标检测中不断发展。然而，单个锚框难以准确预测边界的偏移量。我们不再将每个边界框视为封闭的个体，而是考虑使用多个框共同得到预测框。为此，本文在推理中提出了\textbf{框解耦-耦合（BDC）策略}，该策略不再丢弃重叠框，而是解耦这些框的角点。然后，根据每个角点的得分，我们耦合角点以选择最准确的角点对。为满足 BDC 策略，设计了一个简单但新颖的模型，名为\textbf{锚点-中间检测器（AID）}，它包含两个头网络，即基于锚点的头和一个无锚点的\textbf{角点感知头}。角点感知头能够对每个边界框的角点进行打分，以促进角点之间的耦合。在 MS COCO 上的大量实验表明，所提出的锚点-中间检测器在没有任何额外技巧的情况下，分别比其基线 RetinaNet 和 GFL 方法在 MS COCO test-dev 数据集上高出 2.4 和 1.2 AP。代码见：https://github.com/YilongLv/AID。
引用
@article{arxiv.2310.05666,
title = {Anchor-Intermediate Detector: Decoupling and Coupling Bounding Boxes for Accurate Object Detection},
author = {Yilong Lv and Min Li and Yujie He and Shaopeng Li and Zhuzhen He and Aitao Yang},
journal= {arXiv preprint arXiv:2310.05666},
year = {2023}
}
备注
Submitted 29 September, 2023; originally announced October 2023. Accepted by ICCV2023