用于目标检测的细粒度动态头
计算机视觉与模式识别
2020-12-08 v1 人工智能
摘要
特征金字塔网络（FPN）通过执行实例级分配，提出了一种显著缓解目标表示中尺度差异的方法。然而，该策略忽略了实例中不同子区域的独特特性。为此，我们提出一种细粒度动态头，以条件式为每个实例从各尺度选取 FPN 特征的像素级组合，进一步释放多尺度特征表示的能力。此外，我们设计了一个带有新激活函数的空间门，通过空间稀疏卷积大幅降低计算复杂度。大量实验证明了所提方法在多个最先进检测基准上的有效性与高效性。代码见 https://github.com/StevenGrove/DynamicHead。
引用
@article{arxiv.2012.03519,
title = {Fine-Grained Dynamic Head for Object Detection},
author = {Lin Song and Yanwei Li and Zhengkai Jiang and Zeming Li and Hongbin Sun and Jian Sun and Nanning Zheng},
journal= {arXiv preprint arXiv:2012.03519},
year = {2020}
}
备注
Accepted by NeurIPS-2020