利用反向注意力改进目标检测
计算机视觉与模式识别
2019-04-01 v1
摘要
改进目标检测器以应对遮挡、模糊与噪声，是在实际应用中部署检测器的关键一步。由于无法通过数据收集穷尽所有图像缺陷，许多研究者致力于在训练中生成困难样本。所生成的困难样本或是空间维度上丢弃了粗糙块的图像或特征图。训练额外的困难样本和/或使用额外网络分支估计丢弃块需要显著的开销。本文中，我们利用一种称为反向注意力(IA)的极高效率细粒度机制来改进目标检测器。与原先仅关注物体主导部分的检测器网络不同，带 IA 的检测器网络在特征图上迭代地反转注意力，将更多注意力置于互补的物体部分、特征通道乃至上下文。我们的方法(1)沿特征图的空间与通道维度同时操作；(2)无需在困难样本上额外训练，无需用于注意力估计的额外网络参数，且无测试开销。实验表明，我们的方法在基准数据库上一致地改进了双阶段与单阶段检测器。
引用
@article{arxiv.1903.12255,
title = {Improving Object Detection with Inverted Attention},
author = {Zeyi Huang and Wei Ke and Dong Huang},
journal= {arXiv preprint arXiv:1903.12255},
year = {2019}
}
备注
9 pages, 7 figures, 6 tables