NETNet：用于更优单阶段目标检测的邻域擦除与迁移网络
计算机视觉与模式识别
2020-01-22 v1
摘要
由于实时检测与性能提升的优势，单阶段检测器近年来受到极大关注。为解决复杂的尺度变化，单阶段检测器基于多金字塔层进行尺度感知预测。然而，金字塔中的特征尺度感知不足，限制了检测性能。由目标尺度变化引起的单阶段检测器中两个常见问题可见：(1) 小目标易被漏检；(2) 大目标的显著部分有时被检测为一个目标。基于此观察，我们提出一种新的邻域擦除与迁移（NET）机制以重构金字塔特征并探索尺度感知特征。在 NET 中，设计邻域擦除模块（NEM）以擦除浅层中大目标的显著特征并强化小目标特征；引入邻域迁移模块（NTM）以迁移被擦除特征并在深层中突出大目标。基于该机制，构建称为 NETNet 的单阶段网络用于尺度感知目标检测。此外，我们提出聚合最近邻金字塔特征以增强我们的 NET。NETNet 在 MS COCO 数据集上以 27 FPS 速度取得 38.5% AP，以 55 FPS 速度取得 32.0% AP。因此，NETNet 在实时与精确目标检测间实现了更好的权衡。
引用
@article{arxiv.2001.06690,
title = {NETNet: Neighbor Erasing and Transferring Network for Better Single Shot Object Detection},
author = {Yazhao Li and Yanwei Pang and Jianbing Shen and Jiale Cao and Ling Shao},
journal= {arXiv preprint arXiv:2001.06690},
year = {2020}
}
备注
10 pages, 8 figures