CentripetalNet:追求高质量关键点对的目标检测
计算机视觉与模式识别
2020-03-23 v1
摘要
基于关键点的检测器已取得相当好的性能。然而,不正确的关键点匹配仍普遍存在,并极大影响检测器的性能。本文中,我们提出 CentripetalNet,其利用向心偏移将同一实例的角点关键点进行配对。CentripetalNet 预测角点的位置与向心偏移,并匹配偏移结果对齐的角点。结合位置信息,我们的方法比传统的嵌入方法能更准确地匹配角点。角点池化将边界框内的信息提取到边界上。为使角点处更能感知该信息,我们设计了十字星可变形卷积网络来进行特征自适应。此外,我们通过为 CentripetalNet 配备掩码预测模块,探索了无锚框检测器上的实例分割。在 MS-COCO test-dev 上,我们的 CentripetalNet 不仅以 48.0% 的 AP 优于所有现有无锚框检测器,还以 40.2% 的 MaskAP 取得了与最先进实例分割方法相当的性能。代码将发布于 https://github.com/KiveeDong/CentripetalNet。
引用
@article{arxiv.2003.09119,
title = {CentripetalNet: Pursuing High-quality Keypoint Pairs for Object Detection},
author = {Zhiwei Dong and Guoxuan Li and Yue Liao and Fei Wang and Pengju Ren and Chen Qian},
journal= {arXiv preprint arXiv:2003.09119},
year = {2020}
}
备注
Accepted by CVPR2020