LabelEnc：一种用于目标检测的新中间监督方法
计算机视觉与模式识别
2020-09-02 v3
摘要
本文提出一种新的中间监督方法，称为 LabelEnc，以提升目标检测系统的训练效果。其核心思想是引入一种新颖的标签编码函数，将真实标签映射至潜在嵌入，在训练期间作为检测骨干网络的辅助中间监督。我们的方法主要包括两步训练流程。首先，我们在标签空间中通过自编码器优化标签编码函数，逼近目标检测器的“期望”中间表示。其次，利用学习到的标签编码函数，我们向检测骨干网络引入一个新的辅助损失，从而提升所得检测器的性能。实验表明，无论在单阶段还是两阶段框架上，我们的方法在 COCO 数据集上使多种检测系统提升约 2%。此外，辅助结构仅存在于训练阶段，即在推理时完全无额外开销。代码见：https://github.com/megvii-model/LabelEnc
引用
@article{arxiv.2007.03282,
title = {LabelEnc: A New Intermediate Supervision Method for Object Detection},
author = {Miao Hao and Yitao Liu and Xiangyu Zhang and Jian Sun},
journal= {arXiv preprint arXiv:2007.03282},
year = {2020}
}
备注
To appear in ECCV 2020. Code is available at https://github.com/megvii-model/LabelEnc