重访密集目标检测中的AP损失：自适应排序对选择
计算机视觉与模式识别
2022-07-26 v1
摘要
平均精度（AP）损失近期在密集目标检测任务中展现出了有前景的性能。然而，从成对排序的视角深入理解AP损失如何影响检测器尚未开展。在本工作中，我们重访平均精度（AP）损失，并揭示其关键要素在于正样本与负样本之间排序对的选择。基于该观察，我们提出两种策略以改进AP损失。其中第一种是一种新颖的自适应成对误差（APE）损失，聚焦于正样本与负样本中的排序对。此外，我们利用归一化排序分数与定位分数，通过聚类算法选择更精确的排序对。在MSCOCO数据集上进行的实验支持我们的分析，并证明了所提方法相较于当前的分类与排序损失具有优越性。代码见 https://github.com/Xudangliatiger/APE-Loss。
引用
@article{arxiv.2207.12042,
title = {Revisiting AP Loss for Dense Object Detection: Adaptive Ranking Pair Selection},
author = {Dongli Xu and Jinhong Deng and Wen Li},
journal= {arXiv preprint arXiv:2207.12042},
year = {2022}
}
备注
Appearing in the Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2022