降低无锚框目标检测中的标签噪声
计算机视觉与模式识别
2020-08-17 v2
摘要
当前无锚框目标检测器将空间上落入真实框预定义中心区域的所有特征标记为阳性。这种方法在训练时会导致标签噪声，因为这些阳性标记的特征中有些可能位于背景或遮挡物体上，或者它们根本不是有判别性的特征。本文提出一种新的标注策略，旨在减少无锚框检测器中的标签噪声。我们对来自各个特征的预测进行求和池化，得到单一预测。这使得模型在训练时能够降低非判别性特征的贡献。我们开发了一种新的单阶段、无锚框目标检测器 PPDet，以在训练时采用该标注策略，并在推理时采用类似的预测池化方法。在 COCO 数据集上，PPDet 在无锚框自顶向下检测器中取得了最佳性能，并与其他最先进方法表现相当。在小目标检测中（ ），它还优于所有主要的单阶段和两阶段方法。代码见 https://github.com/nerminsamet/ppdet
引用
@article{arxiv.2008.01167,
title = {Reducing Label Noise in Anchor-Free Object Detection},
author = {Nermin Samet and Samet Hicsonmez and Emre Akbas},
journal= {arXiv preprint arXiv:2008.01167},
year = {2020}
}
备注
BMVC 2020 camera-ready version