BorderDet：用于稠密目标检测的边缘特征
计算机视觉与模式识别
2021-04-12 v3
摘要
稠密目标检测器依赖于滑动窗口范式，在图像的规则网格上预测目标。同时，网格点上的特征图被用于生成边界框预测。点特征使用方便，但可能缺乏用于精确定位的显式边缘信息。本文中，我们提出一种简单高效的操作符 Border-Align，从边界的极值点提取“边缘特征”以增强点特征。基于 Border-Align，我们设计了一种新颖的检测架构 BorderDet，它显式地利用边缘信息以获得更强的分类和更精确的定位。使用 ResNet-50 骨干网络，我们的方法将单阶段检测器 FCOS 提升了 2.8 个 AP（38.6 对比 41.4）。使用 ResNeXt-101-DCN 骨干网络，我们的 BorderDet 取得了 50.3 AP，优于现有的 SOTA 方法。代码见 (https://github.com/Megvii-BaseDetection/BorderDet)。
引用
@article{arxiv.2007.11056,
title = {BorderDet: Border Feature for Dense Object Detection},
author = {Han Qiu and Yuchen Ma and Zeming Li and Songtao Liu and Jian Sun},
journal= {arXiv preprint arXiv:2007.11056},
year = {2021}
}
备注
Accepted by ECCV 2020 as Oral. First two authors contributed equally