DetNet：一种面向目标检测的主干网络
计算机视觉与模式识别
2018-04-20 v2
摘要
近期基于 CNN 的目标检测器，无论是一阶段方法如 YOLO、SSD 和 RetinaNet，还是两阶段检测器如 Faster R-CNN、R-FCN 和 FPN，通常都试图直接从为图像分类设计的 ImageNet 预训练模型进行微调。专门为目标检测设计的主干特征提取器方面的工作甚少。更重要的是，图像分类与目标检测任务之间存在若干差异。1. 近期的目标检测器如 FPN 和 RetinaNet 通常相对于图像分类任务增加了额外阶段，以处理不同尺度的物体。2. 目标检测不仅需要识别物体实例的类别，还需在空间上定位其位置。较大的下采样因子带来较大的有效感受野，利于图像分类，却损害了物体定位能力。由于图像分类与目标检测之间的鸿沟，本文提出 DetNet，一种专门为目标检测设计的新型主干网络。此外，DetNet 相对于传统图像分类主干网络包含了额外阶段，同时在更深层保持高空间分辨率。无需任何额外技巧，基于我们的 DetNet（4.8G FLOPs）主干网络，在 MSCOCO 基准上取得了目标检测与实例分割的当前最优结果。代码将发布以供复现。
引用
@article{arxiv.1804.06215,
title = {DetNet: A Backbone network for Object Detection},
author = {Zeming Li and Chao Peng and Gang Yu and Xiangyu Zhang and Yangdong Deng and Jian Sun},
journal= {arXiv preprint arXiv:1804.06215},
year = {2018}
}