FoveaBox：超越基于锚框的目标检测器
计算机视觉与模式识别
2020-07-17 v2
摘要
我们提出 FoveaBox，一个准确、灵活且完全无锚框的目标检测框架。尽管几乎所有最先进的目标检测器都利用预定义锚框来枚举物体可能的位置、尺度和长宽比，但其性能与泛化能力也受限于锚框的设计。相反，FoveaBox 无需参考锚框，直接学习物体存在的可能性与边界框坐标。这通过以下方式实现：(a) 预测针对物体存在可能性的类别敏感语义图；(b) 为每个可能包含物体的位置生成与类别无关的边界框。目标框的尺度自然地与特征金字塔表示相关联。在 FoveaBox 中，一个实例被分配到相邻的特征层级以使模型更准确。我们在标准基准上展示了其有效性并给出了广泛的实验分析。无需额外技巧，FoveaBox 在标准 COCO 和 Pascal VOC 目标检测基准上取得了最先进的单模型性能。更重要的是，FoveaBox 避免了所有与锚框相关的计算和超参数，而这些通常对最终检测性能十分敏感。我们相信这一简单有效的方法将作为一个坚实的基线，并有助于简化未来的目标检测研究。代码已公开于 https://github.com/taokong/FoveaBox 。
引用
@article{arxiv.1904.03797,
title = {FoveaBox: Beyond Anchor-based Object Detector},
author = {Tao Kong and Fuchun Sun and Huaping Liu and Yuning Jiang and Lei Li and Jianbo Shi},
journal= {arXiv preprint arXiv:1904.03797},
year = {2020}
}
备注
IEEE Transactions on Image Processing, code at: https://github.com/taokong/FoveaBox