用于跨对象感知的非局部 RoI
计算机视觉与模式识别
2018-11-27 v1 机器学习
摘要
我们提出一个通用且灵活的模块，通过区域提议的固有特征及其与其他提议的外在关联来编码区域提议。所提出的非局部感兴趣区域（NL-RoI）可无缝适配不同的广义 R-CNN 架构，以更好地应对各种感知任务。观察到现有 R-CNN 技术独立处理 RoI 并仅基于每个区域提议内的图像特征进行预测。然而，提议之间的成对关系可进一步为检测和分割提供有用信息。因此，NL-RoI 被构建为用所有其他 RoI 的信息丰富每个 RoI 表示，并为基于区域的卷积网络产生一个简单、低开销且有效的模块。我们的实验结果表明，NL-RoI 可提升 Faster/Mask R-CNN 在目标检测和实例分割上的性能。
引用
@article{arxiv.1811.10002,
title = {Non-local RoI for Cross-Object Perception},
author = {Shou-Yao Roy Tseng and Hwann-Tzong Chen and Shao-Heng Tai and Tyng-Luh Liu},
journal= {arXiv preprint arXiv:1811.10002},
year = {2018}
}
备注
NIPS 2018 Workshop on Relational Representation Learning. arXiv admin note: substantial text overlap with arXiv:1807.05361