用于目标检测的多语义交互学习
计算机视觉与模式识别
2023-03-21 v1
摘要
单分支目标检测方法为定位与分类使用共享特征，但共享特征并不同时适合这两项不同任务。多分支目标检测方法通常分别为定位与分类使用不同特征，却忽略了不同任务间的相关性。因此，我们提出多语义交互学习（MSIL）以挖掘不同分支间的语义相关性并提取物体的多语义增强特征。MSIL 首先对回归与分类分支进行语义对齐，然后通过语义融合合并不同分支的特征，最后通过语义分离提取相关信息并分别回传至回归与分类分支。更重要的是，MSIL 可作为即插即用组件集成到现有目标检测网络中。在 MS COCO 和 Pascal VOC 数据集上的实验表明，MSIL 与现有算法的集成可利用不同任务语义间的相关信息并取得更好性能。
引用
@article{arxiv.2303.10411,
title = {Multi-Semantic Interactive Learning for Object Detection},
author = {Shuxin Wang and Zhichao Zheng and Yanhui Gu and Junsheng Zhou and Yi Chen},
journal= {arXiv preprint arXiv:2303.10411},
year = {2023}
}