基于单点监督的Point-to-Box网络实现精确目标检测
计算机视觉与模式识别
2022-10-21 v2
摘要
使用单点监督的目标检测近年来受到越来越多的关注。然而，点监督目标检测（PSOD）与边界框监督检测之间的性能差距仍然很大。在本文中，我们将如此大的性能差距归因于未能生成高质量的建议包（proposal bag），而这对于多示例学习（MIL）至关重要。为解决该问题，我们引入了现成建议（OTSP）方法的轻量级替代方案，从而创建了Point-to-Box网络（P2BNet），它可以通过类锚点的方式生成建议来构建对象间平衡的建议包。通过充分挖掘精确位置信息，P2BNet进一步构建了实例级建议包，避免了多个对象的混合。最后，采用级联式的由粗到细策略来提高建议与真实框（GT）之间的IoU。得益于这些策略，P2BNet能够为目标检测生成高质量的实例级建议包。在MS COCO数据集上，P2BNet相对于先前最佳的PSOD方法将平均精度（AP）提升了50%以上。它还展示了弥合点监督与边界框监督检测器之间性能差距的巨大潜力。代码将发布于github.com/ucas-vg/P2BNet。
引用
@article{arxiv.2207.06827,
title = {Point-to-Box Network for Accurate Object Detection via Single Point Supervision},
author = {Pengfei Chen and Xuehui Yu and Xumeng Han and Najmul Hassan and Kai Wang and Jiachen Li and Jian Zhao and Humphrey Shi and Zhenjun Han and Qixiang Ye},
journal= {arXiv preprint arXiv:2207.06827},
year = {2022}
}
备注
Accepted by ECCV2022, github: https://github.com/ucas-vg/P2BNet