定位以分类，分类以定位：目标检测中的相互引导
计算机视觉与模式识别
2020-09-30 v1
摘要
大多数深度学习目标检测器基于锚框机制，并借助预定义锚框与真实框之间的交并比（IoU）来评估锚框与物体的匹配质量。本文质疑这种 IoU 的使用方式，并提出一种新的锚框匹配准则，在训练阶段由定位与分类任务的联合优化所引导：某一任务的预测被用于动态分配样本锚框并改进另一任务的模型，反之亦然。尽管所提方法简洁，我们在 PASCAL VOC 与 MS COCO 数据集上针对不同最先进深度学习架构的实验证明了我们相互引导策略的有效性与通用性。
引用
@article{arxiv.2009.14085,
title = {Localize to Classify and Classify to Localize: Mutual Guidance in Object Detection},
author = {Heng Zhang and Elisa Fromont and Sébastien Lefevre and Bruno Avignon},
journal= {arXiv preprint arXiv:2009.14085},
year = {2020}
}
备注
Accepted by ACCV 2020