调制定位与分类以实现协调的目标检测
计算机视觉与模式识别
2021-03-26 v2
摘要
目标检测包含两个子任务，即在图像中定位目标并将其分类为不同类别。对于现有的基于 CNN 的检测器，我们注意到定位与分类之间广泛存在的分歧，这导致性能下降。在这项工作中，我们提出一种互学习框架来调制这两个任务。具体而言，通过一种新颖的互标注策略，迫使两个任务相互学习。此外，我们引入了一个简单而有效的 IoU 重评分方案，进一步降低了分歧。而且，我们定义了一个基于 Spearman 秩相关的度量来量化该分歧，其与检测性能良好相关。所提方法为通用目的，可轻松注入现有检测器如 FCOS 和 RetinaNet 中。我们在 COCO 数据集上相对于基线检测器取得了显著的性能提升。
引用
@article{arxiv.2103.08958,
title = {Modulating Localization and Classification for Harmonized Object Detection},
author = {Taiheng Zhang and Qiaoyong Zhong and Shiliang Pu and Di Xie},
journal= {arXiv preprint arXiv:2103.08958},
year = {2021}
}
备注
Accepted by ICME 2021