用于视频目标检测的关系蒸馏网络
计算机视觉与模式识别
2019-08-27 v1
摘要
人们早已认识到建模目标间关系有助于目标检测。然而，该问题并非易事，尤其在探索目标间相互作用以提升视频目标检测器时。困难源于以下方面：视频中可靠的目标关系不仅应依赖于当前帧中的目标，还应依赖于从视频长跨度范围内提取的所有支撑目标。本文中，我们提出一种新的设计以捕获时空上下文中目标间的相互作用。具体而言，我们提出关系蒸馏网络(RDN)——一种新颖地聚合并传播目标关系以增强检测所用目标特征的新架构。技术上，目标提议首先通过区域提议网络(RPN)生成。RDN则一方面通过多阶段推理建模目标关系，另一方面以级联方式通过精炼具有高目标性分数的支撑目标提议逐步蒸馏关系。所学关系证明了其在改善每帧目标检测与跨帧边界框关联两方面的有效性。我们在ImageNet VID数据集上进行了大量实验，与SOTA方法相比报告了优越结果。更显著的是，我们的RDN使用ResNet-101和ResNeXt-101分别达到了81.8%和83.2%的mAP。当进一步配备关联与重打分后，我们获得了迄今报道的最佳mAP，分别为83.8%和84.7%。
引用
@article{arxiv.1908.09511,
title = {Relation Distillation Networks for Video Object Detection},
author = {Jiajun Deng and Yingwei Pan and Ting Yao and Wengang Zhou and Houqiang Li and Tao Mei},
journal= {arXiv preprint arXiv:1908.09511},
year = {2019}
}
备注
ICCV 2019