深入框中取景：面向目标检测的框重组方法
计算机视觉与模式识别
2020-07-29 v1
摘要
无锚方法已定义了最先进目标检测研究的新前沿，其中精确的边界框估计是这些方法成功的关键。然而，即便边界框具有最高置信度分数，其在定位上仍远非完美。为此，我们提出一种框重组方法（DDBNet），可深入框中以实现更精准的定位。第一步，漂移位框被滤除，因为这些框内内容与目标语义不一致。接着，所选框被拆解为边界，并搜索对齐良好的边界将其分组为一系列最优框，以更精确地收紧实例。实验结果表明我们的方法有效，并带来了目标检测的最先进性能。
引用
@article{arxiv.2007.14350,
title = {Dive Deeper Into Box for Object Detection},
author = {Ran Chen and Yong Liu and Mengdan Zhang and Shu Liu and Bei Yu and Yu-Wing Tai},
journal= {arXiv preprint arXiv:2007.14350},
year = {2020}
}
备注
Accepted by ECCV 2020