DATE：面向端到端全卷积目标检测的双重分配
计算机视觉与模式识别
2022-12-29 v2
摘要
全卷积检测器舍弃一对多分配并采用一对一分配策略以实现端到端检测，但存在收敛缓慢问题。本文重新审视这两种分配方法，发现将一对多分配重新引入端到端全卷积检测器有助于模型收敛。基于该观察，我们提出面向端到端全卷积目标检测（DATE）的{\em \textbf{D}ual \textbf{A}ssignment}（双重分配）。我们的方法在训练时构建具有一对多与一对一分配的两条分支，并通过提供更多监督信号加速一对一分配分支的收敛。DATE 仅使用采用一对一匹配策略的分支进行模型推理，不带来推理开销。实验结果表明，双重分配在 OneNet 与 DeFCN 上带来可观提升并加速模型收敛。代码：https://github.com/YiqunChen1999/date。
引用
@article{arxiv.2211.13859,
title = {DATE: Dual Assignment for End-to-End Fully Convolutional Object Detection},
author = {Yiqun Chen and Qiang Chen and Qinghao Hu and Jian Cheng},
journal= {arXiv preprint arXiv:2211.13859},
year = {2022}
}