iffDetector：面向目标检测的推理感知特征滤波
计算机视觉与模式识别
2020-06-24 v1
摘要
现代基于 CNN 的目标检测器在训练阶段关注特征配置，却常忽视推理阶段的特征优化。本文提出一种新的特征优化方法，在训练与推理阶段均增强特征并抑制背景噪声。我们引入一个通用的推理感知特征滤波（IFF）模块，可轻松与现代检测器结合，从而得到我们的 iffDetector。与无反馈的传统开环特征计算方法不同，IFF 模块利用高层语义来增强卷积特征，实现闭环优化。通过傅里叶变换分析，我们证明 IFF 模块充当负反馈，在理论上保证特征学习的稳定性。IFF 能以即插即用的方式融合到基于 CNN 的目标检测器中，且计算开销可忽略不计。在 PASCAL VOC 和 MS COCO 数据集上的实验表明，我们的 iffDetector 始终以显著优势优于最先进的方法\footnote{测试代码与模型匿名发布于 https://github.com/anonymous2020new/iffDetector }。
引用
@article{arxiv.2006.12708,
title = {iffDetector: Inference-aware Feature Filtering for Object Detection},
author = {Mingyuan Mao and Yuxin Tian and Baochang Zhang and Qixiang Ye and Wanquan Liu and Guodong Guo and David Doermann},
journal= {arXiv preprint arXiv:2006.12708},
year = {2020}
}
备注
14 pages, 6 figures