中心与尺度预测：用于行人与人脸检测的无锚框方法
计算机视觉与模式识别
2021-11-09 v4
摘要
目标检测在传统上通常需要滑窗分类器，而在现代深度学习方法中通常基于锚框进行预测。然而，这两种方法都需要对框进行繁琐的配置。本文提供了一种新视角，将目标检测动机为一种高层语义特征检测任务。如同边缘、角点、斑点及其他特征检测器，所提出的检测器扫描全图以寻找特征点，而卷积天然适用于此。不过，与这些传统底层特征不同，所提检测器追求更高层次的抽象，即我们寻找存在目标的中心点，而现代深度模型已具备此类高层语义抽象能力。此外，如同斑点检测，我们还预测中心点的尺度，这也是一种直接的卷积。因此，本文将行人与人脸检测简化为通过卷积直接进行的中心与尺度预测任务。以此方式，所提方法享有无框设置。尽管结构简洁，它在包括行人与人脸检测在内的若干具挑战性基准上展现出有竞争力的精度。此外，进行了跨数据集评估，展示了所提方法优越的泛化能力。代码与模型可访问 (https://github.com/liuwei16/CSP 和 https://github.com/hasanirtiza/Pedestron)。
引用
@article{arxiv.1904.02948,
title = {Center and Scale Prediction: Anchor-free Approach for Pedestrian and Face Detection},
author = {Wei Liu and Irtiza Hasan and Shengcai Liao},
journal= {arXiv preprint arXiv:1904.02948},
year = {2021}
}
备注
An extension of the paper accepted by CVPR2019, the title is changed to 'Center and Scale Prediction: A Box-free Approach for Pedestrian and Face Detection'