梯度协调单阶段检测器
计算机视觉与模式识别
2018-11-14 v1
摘要
尽管两阶段检测器取得了巨大成功，单阶段检测器仍是一种更为优雅高效的方式，但在训练过程中受制于两个众所周知的失调问题，即正负样本数量上的巨大差异以及难易样本数量上的巨大差异。本工作中，我们首先指出这两类失调的本质影响可概括为梯度层面的问题。进一步，我们提出一种新颖的梯度协调机制（GHM）作为对上述失调的制衡。GHM 背后的原理可轻松嵌入分类损失函数（如交叉熵（CE））与回归损失函数（如 smooth- () 损失）中。为此，设计了两种新颖的损失函数 GHM-C 与 GHM-R，分别用于平衡锚框分类与边界框精修的梯度流。在 MS COCO 上的消融实验表明，无需繁琐的超参数调优，GHM-C 与 GHM-R 均可为单阶段检测器带来显著提升。在不加任何额外技巧的情况下，我们的模型在 COCO test-dev 集上取得 41.6 mAP，超越最优方法 Focal Loss (FL) + 达 0.8。
引用
@article{arxiv.1811.05181,
title = {Gradient Harmonized Single-stage Detector},
author = {Buyu Li and Yu Liu and Xiaogang Wang},
journal= {arXiv preprint arXiv:1811.05181},
year = {2018}
}
备注
To appear at AAAI 2019