MatrixNets：一种感知尺度与长宽比的新型目标检测架构
计算机视觉与模式识别
2020-01-13 v1
摘要
我们提出 MatrixNets (xNets)，一种用于目标检测的新型深度架构。xNets 将具有相似尺寸和长宽比的目标映射到多个专用层中，使 xNets 能够提供感知尺度与长宽比的架构。我们利用 xNets 增强单阶段目标检测框架。首先，我们将 xNets 应用于基于锚框的目标检测，预测目标中心并回归左上角和右下角。其次，我们使用 MatrixNets 进行基于角点的目标检测，预测左上角和右下角。每个角点预测目标的中心位置。我们还通过用中心回归替换嵌入层来增强基于角点的检测。我们的最终架构在 MS COCO 上取得了 47.8 的 mAP，比其 CornerNet 对应模型高出 +5.6 mAP，同时也缩小了单阶段与两阶段检测器之间的差距。代码可在 https://github.com/arashwan/matrixnet 获取。
引用
@article{arxiv.2001.03194,
title = {MatrixNets: A New Scale and Aspect Ratio Aware Architecture for Object Detection},
author = {Abdullah Rashwan and Rishav Agarwal and Agastya Kalra and Pascal Poupart},
journal= {arXiv preprint arXiv:2001.03194},
year = {2020}
}
备注
This is the full paper for arXiv:1908.04646 with more applications, experiments, and ablation study