结合预测 IoU 与锚框 IoU 的目标检测动态标签分配
计算机视觉与模式识别
2022-09-20 v2
摘要
标签分配在现代目标检测模型中起着重要作用。不同标签分配策略下检测模型可能表现出完全不同的性能。对于基于锚框的检测模型，锚框与其对应真实边界框之间的 IoU（交并比）阈值是关键要素，因为正负样本由 IoU 阈值划分。早期目标检测器简单地对所有训练样本使用固定阈值，而近期检测算法聚焦于基于与真实框 IoU 分布的自适应阈值。本文中，我们引入一种简单而有效的方法，基于训练状态与预测结果动态执行标签分配。通过在标签分配中引入预测，更多与真实目标具有更高 IoU 的高质量样本被选为正样本，这可减小分类分数与 IoU 分数间的差异，并生成更高质量的边界框。我们的方法在采用自适应标签分配算法的检测模型性能上表现出提升，且这些正样本的边界框损失更低，表明更多具有更高质量预测框的样本被选为正样本。
引用
@article{arxiv.2201.09396,
title = {Dynamic Label Assignment for Object Detection by Combining Predicted IoUs and Anchor IoUs},
author = {Tianxiao Zhang and Bo Luo and Ajay Sharda and Guanghui Wang},
journal= {arXiv preprint arXiv:2201.09396},
year = {2022}
}