AutoFocus：高效多尺度推理
计算机视觉与模式识别
2019-08-02 v2
摘要
本文描述了AutoFocus，一种基于深度学习的物体检测器的高效多尺度推理算法。AutoFocus不处理整个图像金字塔，而是采用由粗到精的策略，仅在更精细尺度上处理可能包含小物体的区域。这是通过在较粗尺度上预测类别无关的、称为FocusPixels的小物体分割图实现的。FocusPixels可以以高召回率预测，且在许多情况下仅覆盖图像的一小部分。为高效利用FocusPixels，提出了一种生成紧凑矩形FocusChips以包围FocusPixels的算法。检测器仅应用于FocusChips内部，从而在更精细尺度处理时减少计算量。当合并多尺度FocusChips的检测结果时会产生不同类型的误差，因此提出了修正技术。AutoFocus在COCO test-dev集上获得47.9%的mAP（50%重叠时为68.3%），同时在Titan X (Pascal) GPU上以每秒6.4张图像的速度处理。这比我们的多尺度基线检测器快2.5倍，且mAP相当。金字塔中处理的像素数可减少5倍，而mAP仅下降1%。与RetinaNet相比，AutoFocus获得超过10%的mAP提升，但在相同ResNet-101骨干下以相同速度运行。
引用
@article{arxiv.1812.01600,
title = {AutoFocus: Efficient Multi-Scale Inference},
author = {Mahyar Najibi and Bharat Singh and Larry S. Davis},
journal= {arXiv preprint arXiv:1812.01600},
year = {2019}
}
备注
To appear in Proceedings of International Conference on Computer Vision (ICCV), 2019