基于全卷积网络的端到端目标检测
计算机视觉与模式识别
2021-03-29 v3 人工智能
摘要
基于全卷积网络的主流目标检测器已取得令人印象深刻的性能。然而它们大多仍需要手工设计的非极大值抑制（NMS）后处理，这阻碍了完全的端到端训练。在本文中，我们给出了丢弃 NMS 的分析，其中结果揭示恰当的标签指派起着关键作用。为此，针对全卷积检测器，我们引入了用于分类的感知预测的逐一对应（POTO）标签指派以实现端到端检测，其取得了与 NMS 相当的性能。此外，提出了一种简单的三维最大滤波（3DMF）以利用多尺度特征并提升局部区域卷积的可分辨性。借助这些技术，我们的端到端框架在 COCO 和 CrowdHuman 数据集上取得了与许多带 NMS 的先进检测器相竞争的性能。代码可在 https://github.com/Megvii-BaseDetection/DeFCN 获取。
引用
@article{arxiv.2012.03544,
title = {End-to-End Object Detection with Fully Convolutional Network},
author = {Jianfeng Wang and Lin Song and Zeming Li and Hongbin Sun and Jian Sun and Nanning Zheng},
journal= {arXiv preprint arXiv:2012.03544},
year = {2021}
}
备注
Accepted to CVPR2021