Corner2Net：将对象检测表示为级联角点
计算机视觉与模式识别
2024-11-26 v1
摘要
角点检测范式具有产生高质量边界框的潜力。但其发展受到三个限制：1) 难以匹配角点。启发式角点匹配算法可能导致错误的边界框，尤其是在相似外观的对象同时出现时。2) 实例上下文不足。两个独立的角点保留的实例语义有限，因此难以保证在同一热力图通道上获取两个类特定的角点。3) 不友好的主干网络。小时网网络的训练成本高。因此，我们构建了一种新颖的角点基框架，命名为 Corner2Net。为实现无角点匹配的方式，我们设计了级联角点管道，该管道以两步方式逐步预测相关的角点对，而不是通过平行头部同时搜索两个独立的角点。Corner2Net 将角点定位与对象分类解耦。这两个角点都是类无关的，实例特定的右下角点进一步简化了其搜索空间。同时，提取具有丰富语义的 ROI 特征用于分类。流行的主干网络（如 ResNeXt）可以轻松地连接到 Corner2Net。在 COCO 数据集上的实验结果表明，Corner2Net 在准确率和速度方面均显著优于所有现有的角点检测器。
引用
@article{arxiv.2411.15772,
title = {Corner2Net: Detecting Objects as Cascade Corners},
author = {Chenglong Liu and Jintao Liu and Haorao Wei and Jinze Yang and Liangyu Xu and Yuchen Guo and Lu Fang},
journal= {arXiv preprint arXiv:2411.15772},
year = {2024}
}
备注
This paper is accepted by 27th EUROPEAN CONFERENCE ON ARTIFICIAL INTELLIGENCE (ECAI 2024)