面向精确目标检测的逐层定制弱分割模块与自适应IoU损失
计算机视觉与模式识别
2021-08-26 v1
摘要
基于锚框的检测器通过构建特征金字塔并在不同层的每个单元上直接设置不同尺度的锚框来处理尺度变化问题。然而，由于框级锚框与像素级特征之间不存在一一对应关系，框级锚框难以引导各层尺度特异性特征的自适应学习。为缓解该问题，本文在像素级提出了一种尺度定制的弱分割（SCWS）模块，用于各层中尺度定制的目标特征学习。通过将SCWS模块集成到单阶段检测器中，构建了一种尺度感知目标检测器（SCOD），能够自然且精确地检测不同大小的目标。此外，标准位置损失忽略了难易样本可能严重失衡的事实，由此导致无法获得更精确的边界框。为解决该问题，我们在SCOD中设计了一种通过简单而有效的压缩操作实现的自适应IoU（AIoU）损失。在PASCAL VOC和MS COCO上的大量实验证明了SCOD的优越性。
引用
@article{arxiv.2108.11021,
title = {Layer-wise Customized Weak Segmentation Block and AIoU Loss for Accurate Object Detection},
author = {Keyang Wang and Lei Zhang and Wenli Song and Qinghai Lang and Lingyun Qin},
journal= {arXiv preprint arXiv:2108.11021},
year = {2021}
}
备注
To appear in IEEE International Conference on Image Processing 2021