FPN 中用于微小目标检测的有效融合因子
计算机视觉与模式识别
2020-11-10 v2
摘要
基于 FPN 的检测器在通用目标检测（如 MS COCO 与 PASCAL VOC）中已取得显著进展。然而，这些检测器在特定应用场景（如微小目标检测）中表现不佳。本文认为，FPN 中相邻层之间的自顶向下连接对微小目标检测带来双向影响，而非仅有正向。我们提出一个新概念——融合因子，以控制深层传递给浅层的信息，从而使 FPN 适应微小目标检测。经过一系列实验与分析，我们探索了如何通过统计方法为特定数据集估计融合因子的有效取值。该估计依赖于分布各层的物体数量。在微小目标检测数据集（如 TinyPerson 与 Tiny CityPersons）上进行了全面实验。结果表明，当为 FPN 配置恰当的融合因子时，网络在微小目标检测数据集上相较基线可获得显著性能提升。代码与模型将公开。
引用
@article{arxiv.2011.02298,
title = {Effective Fusion Factor in FPN for Tiny Object Detection},
author = {Yuqi Gong and Xuehui Yu and Yao Ding and Xiaoke Peng and Jian Zhao and Zhenjun Han},
journal= {arXiv preprint arXiv:2011.02298},
year = {2020}
}
备注
accepted by WACV2021