LLA：用于密集行人检测的损失感知标签分配
计算机视觉与模式识别
2021-03-15 v3
摘要
标签分配因对检测器性能的巨大影响而在通用目标检测中被广泛研究。然而，这些工作均未聚焦于密集行人检测中的标签分配。本文中，我们提出一种简单而有效的分配策略，称为损失感知标签分配（LLA），以提升行人检测器在拥挤场景中的性能。LLA 首先计算每个锚框与真实框（GT）对之间的分类（cls）与回归（reg）损失。然后将联合损失定义为 cls 与 reg 损失的加权和，作为分配指标。最后，对于某个 GT 框，联合损失最小的 top K 个锚框被分配为其正锚框。未被分配给任何 GT 框的锚框视为负样本。损失感知标签分配基于如下观察：具有较低联合损失的锚框通常包含更丰富的语义信息，因而能更好地代表其对应 GT 框。在 CrowdHuman 与 CityPersons 上的实验表明，这样一种简单的标签分配策略可分别在两个著名单阶段检测器 RetinaNet 与 FCOS 上使 MR 提升 9.53% 与 5.47%，证明了 LLA 的有效性。
引用
@article{arxiv.2101.04307,
title = {LLA: Loss-aware Label Assignment for Dense Pedestrian Detection},
author = {Zheng Ge and Jianfeng Wang and Xin Huang and Songtao Liu and Osamu Yoshie},
journal= {arXiv preprint arXiv:2101.04307},
year = {2021}
}
备注
In the reviewing process of Pattern Recognition