BAN：聚焦边界上下文的目标检测
计算机视觉与模式识别
2018-11-14 v1
摘要
视觉上下文是目标检测的重要线索之一，而物体边界处的上下文信息尤为宝贵。我们提出了一种边界感知网络（BAN），旨在利用包括边界信息及其周边环境在内的视觉上下文（称为边界上下文），并定义了三种边界上下文：侧边、顶点以及边界内外上下文。我们的 BAN 由 10 个子网络组成，用于处理属于边界上下文的区域。BAN 的检测头被定义为这些子网络的集成，根据检测子问题的不同赋予不同权重。为验证我们的方法，我们依据边界上下文可视化了子网络的激活情况，并从经验上表明这些子网络对检测中相关的子问题贡献更大。我们在 PASCAL VOC 检测基准和 MS COCO 数据集上评估了该方法。所提方法在 PASCAL VOC 上取得了 83.4% 的平均精度均值（mAP），在 MS COCO 上取得了 36.9%。BAN 使卷积网络能够为检测提供额外的上下文来源，并有选择地聚焦于更重要的上下文，它也可普遍应用于许多其他检测方法来提升检测精度。
引用
@article{arxiv.1811.05243,
title = {BAN: Focusing on Boundary Context for Object Detection},
author = {Yonghyun Kim and Taewook Kim and Bong-Nam Kang and Jieun Kim and Daijin Kim},
journal= {arXiv preprint arXiv:1811.05243},
year = {2018}
}