用于目标检测的特征选择网络
计算机视觉与模式识别
2017-11-27 v1
摘要
待检测目标在不同子区域和不同长宽比下通常具有显著不同的特征。然而，在主流的两阶段目标检测方法中，感兴趣区域（RoI）特征通过 RoI 池化提取，很少关注这些平移变体特征分量。我们提出特征选择网络，通过利用 RoI 在子区域和长宽比上的差异来重构其特征表示。我们的网络为整幅图像生成子区域注意力库和长宽比注意力库。基于 RoI 的子区域注意力图和长宽比注意力图从库中选择性池化，随后用于细化原始 RoI 特征以进行 RoI 分类。配备轻量级检测子网络后，基于通用卷积网络骨干（ResNet-101、GoogLeNet 和 VGG-16）我们的网络在检测性能上获得一致提升。无需额外技巧，配备 ResNet-101 的检测器在 PASCAL VOC 2007、PASCAL VOC 2012 和 MS COCO 数据集上相比对应方法实现了超过 3% mAP 的提升。
引用
@article{arxiv.1711.08879,
title = {Feature Selective Networks for Object Detection},
author = {Yao Zhai and Jingjing Fu and Yan Lu and Houqiang Li},
journal= {arXiv preprint arXiv:1711.08879},
year = {2017}
}