OTA：用于物体检测的最优传输分配
计算机视觉与模式识别
2021-03-29 v1
摘要
近期物体检测中标签分配的研究主要寻求为每个真值（gt）物体独立定义正/负训练样本。本文创新性地从全局视角重新审视标签分配，并提出将分配过程表述为一个最优传输（OT）问题——这是优化理论中一个被充分研究的课题。具体而言，我们将每个需求方（锚框）与供应方（gt） pair 之间的单位传输代价定义为它们的分类与回归损失的加权和。在表述之后，寻找最佳分配方案被转化为以最小传输代价求解最优传输计划，可通过 Sinkhorn-Knopp 迭代求解。在 COCO 上，配备最优传输分配（OTA）的单一 FCOS-ResNet-50 检测器在 1X 调度下可达到 40.7% mAP，优于所有其他现有分配方法。在 COCO 和 CrowdHuman 上进行的大量实验进一步验证了我们所提 OTA 的有效性，尤其在拥挤场景中的优越性。代码见 https://github.com/Megvii-BaseDetection/OTA。
引用
@article{arxiv.2103.14259,
title = {OTA: Optimal Transport Assignment for Object Detection},
author = {Zheng Ge and Songtao Liu and Zeming Li and Osamu Yoshie and Jian Sun},
journal= {arXiv preprint arXiv:2103.14259},
year = {2021}
}
备注
CVPR2021