RepPoints V2：验证与回归相结合的目标检测
计算机视觉与模式识别
2020-07-17 v1
摘要
验证与回归是神经网络中预测的两种通用方法。各自有其优势：验证更易准确推断，而回归更高效且适用于连续目标变量。因此，审慎地结合二者以利用其优势往往有益。本文中，我们秉持这一理念来改进最先进的目标检测，具体通过 RepPoints 实现。尽管 RepPoints 提供了高性能，我们发现其严重依赖回归进行目标定位仍有改进空间。我们将验证任务引入 RepPoints 的定位预测中，产生 RepPoints v2，在使用不同骨干网络和训练方法时，于 COCO 目标检测基准上相较原始 RepPoints 提供约 2.0 mAP 的一致提升。RepPoints v2 还通过单一模型在 COCO test-dev 上达到 52.1 mAP。此外，我们展示了所提方法可更普遍地提升其他目标检测框架以及实例分割等应用。代码见 https://github.com/Scalsol/RepPointsV2。
引用
@article{arxiv.2007.08508,
title = {RepPoints V2: Verification Meets Regression for Object Detection},
author = {Yihong Chen and Zheng Zhang and Yue Cao and Liwei Wang and Stephen Lin and Han Hu},
journal= {arXiv preprint arXiv:2007.08508},
year = {2020}
}