重新审视单阶段目标检测中的特征对齐
计算机视觉与模式识别
2019-08-06 v1
摘要
近来，单阶段目标检测器因其实践中的简洁性而备受关注。与需要 NMS 和排序以用于候选区域的双阶段检测器相比，其全卷积特性大大降低了训练和部署的难度。然而，所有单阶段检测器中一个根本问题在于锚框与卷积特征之间的错位，这显著阻碍了单阶段检测器的性能。本工作中，我们首先揭示广泛使用的 im2col 算子与 RoIAlign 算子之间的深层联系。受这一启发性观察的指导，我们提出 RoIConv 算子，以原则性方式对齐单阶段检测中的特征及其对应锚框。我们随后设计了全卷积的 AlignDet 架构，其结合了可学习锚框的灵活性与对齐特征的精确性。具体而言，我们的 AlignDet 在 COCO test-dev 上以 ResNeXt-101 骨干网络取得了 44.1 的 SOTA mAP。
引用
@article{arxiv.1908.01570,
title = {Revisiting Feature Alignment for One-stage Object Detection},
author = {Yuntao Chen and Chenxia Han and Naiyan Wang and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:1908.01570},
year = {2019}
}