基于引导锚定的区域提议
计算机视觉与模式识别
2019-04-15 v2
摘要
区域锚定是现代目标检测技术的基石。最先进的检测器大多依赖密集锚定方案，其中锚点以预定义尺度和长宽比在空间域上均匀采样。本文重新审视这一基础阶段。我们的研究表明，它可以更有效且高效地完成。具体而言，我们提出一种替代方案，称为 Guided Anchoring（引导锚定），其利用语义特征来引导锚定。所提方法联合预测感兴趣对象中心可能存在的位置以及不同位置处的尺度和长宽比。在预测锚形状之上，我们通过特征自适应模块缓解特征不一致性。我们还研究了使用高质量提议来提升检测性能。该锚定方案可无缝集成到提议方法和检测器中。借助 Guided Anchoring，我们在 MS COCO 上以比 RPN 基线少 90% 的锚点实现了高 9.1% 的召回率。我们还将 Guided Anchoring 应用于 Fast R-CNN、Faster R-CNN 和 RetinaNet，分别将检测 mAP 提升了 2.2%、2.7% 和 1.2%。代码将发布于 https://github.com/open-mmlab/mmdetection。
引用
@article{arxiv.1901.03278,
title = {Region Proposal by Guided Anchoring},
author = {Jiaqi Wang and Kai Chen and Shuo Yang and Chen Change Loy and Dahua Lin},
journal= {arXiv preprint arXiv:1901.03278},
year = {2019}
}
备注
CVPR 2019 camera ready