CPM R-CNN：校准目标检测中由点引导的错位
计算机视觉与模式识别
2020-11-05 v2
摘要
在目标检测中，偏移引导回归与点引导回归分别主导基于锚点与无锚点方法。近来，点引导方法被引入基于锚点的方法中。然而，我们观察到以此方式预测的点与候选框的匹配区域及定位得分存在错位，导致显著的性能差距。本文提出CPM R-CNN，其包含三个高效模块以优化基于锚点的点引导方法。根据在COCO数据集上的充分评估，CPM R-CNN被证明能通过校准上述错位有效提升定位精度。相较于基于ResNet-101与FPN的Faster R-CNN和Grid R-CNN，我们的方法在不加额外技巧的情况下可分别大幅提升检测mAP达3.3%和1.5%。此外，我们的最佳模型在COCO test-dev上以较大优势提升至49.9%。代码与模型将公开可用。
引用
@article{arxiv.2003.03570,
title = {CPM R-CNN: Calibrating Point-guided Misalignment in Object Detection},
author = {Bin Zhu and Qing Song and Lu Yang and Zhihui Wang and Chun Liu and Mengjie Hu},
journal= {arXiv preprint arXiv:2003.03570},
year = {2020}
}
备注
Accepted to WACV 2021