用于单阶段目标检测的特征选择无锚框模块
计算机视觉与模式识别
2019-03-05 v1
摘要
我们提出并阐述了特征选择无锚框(FSAF)模块,一种用于单阶段目标检测器的简单而有效的构建模块。它可插入具有特征金字塔结构的单阶段检测器中。FSAF模块解决了传统基于锚框检测带来的两个局限:1)启发式引导的特征选择;2)基于重叠的锚框采样。FSAF模块的总体概念是在多级无锚框分支的训练中应用在线特征选择。具体而言,在特征金字塔的每一级附加一个无锚框分支,允许在任意层级以无锚框方式进行边界框编码与解码。训练期间,我们动态地将每个实例分配至最适宜的特征层级。推理时,FSAF模块可通过并行输出预测与基于锚框的分支协同工作。我们以无锚框分支和在线特征选择策略的简单实现来实例化该概念。COCO检测基准上的实验结果表明,我们的FSAF模块优于基于锚框的对应方法且速度更快。当与基于锚框的分支协同工作时,FSAF模块在各种设置下稳健地将基线RetinaNet大幅提升,同时引入几乎可忽略的推理开销。最终最佳模型可达到44.6% mAP的当前最优(state-of-the-art)性能,优于COCO上所有现有单阶段检测器。
引用
@article{arxiv.1903.00621,
title = {Feature Selective Anchor-Free Module for Single-Shot Object Detection},
author = {Chenchen Zhu and Yihui He and Marios Savvides},
journal= {arXiv preprint arXiv:1903.00621},
year = {2019}
}
备注
CVPR 2019