DuBox：基于残差双尺度检测器的无先验框目标检测
计算机视觉与模式识别
2019-04-17 v2
摘要
传统的神经目标检测方法利用多尺度特征，使多个检测器独立且并行地执行检测任务。同时，通过对先验框的处理，算法处理尺度不变性的能力得到增强。然而，过多的先验框与独立的检测器会增加检测算法的计算冗余。在本研究中，我们引入 Dubox，一种无需先验框的新型单阶段目标检测方法。借助多尺度特征，所设计的双尺度残差单元使双尺度检测器不再独立运行：第二尺度检测器学习第一尺度的残差。Dubox 增强了启发式引导能力，可进一步使第一尺度检测器最大化检测小目标，而第二尺度检测第一尺度无法识别的物体。此外，对于每个尺度检测器，新的分类-回归渐进约束损失使我们的过程不依赖于先验框。综合这些策略，我们的检测算法在速度与精度上均取得了优异性能。在 VOC、COCO 目标检测基准上的大量实验证实了该算法的有效性。
引用
@article{arxiv.1904.06883,
title = {DuBox: No-Prior Box Objection Detection via Residual Dual Scale Detectors},
author = {Shuai Chen and Jinpeng Li and Chuanqi Yao and Wenbo Hou and Shuo Qin and Wenyao Jin and Xu Tang},
journal= {arXiv preprint arXiv:1904.06883},
year = {2019}
}