用于目标检测预训练的点级区域对比

在这项工作中，我们提出了点级区域对比，一种用于目标检测任务的自监督预训练方法。该方法受到检测中的两个关键因素的启发：定位和识别。虽然精确定位有利于在像素级或点级操作的模型，但正确的识别通常依赖于对目标的更全局的区域级视角。在预训练中融入这一视角，我们的方法通过直接从不同区域采样单个点对来执行对比学习。与每个区域的聚合表示相比，我们的方法对输入区域质量的变化更具鲁棒性，并进一步使我们能够在训练期间通过在线知识蒸馏隐式地改进初始区域分配。在处理无监督设置中遇到的不完美区域时，这两个优势都很重要。实验表明，点级区域对比在多个任务和数据集上改进了用于目标检测和分割的最先进预训练方法，我们提供了广泛的消融研究和可视化以辅助理解。代码将予以公开。