重新审视目标检测器中的兄弟头
计算机视觉与模式识别
2020-03-18 v1
摘要
“用于分类与定位的共享头”（兄弟头，sibling head）最早在 Fast RCNN~\cite{girshick2015fast} 中被命名，在过去五年中一直引领着目标检测领域的主流。本文观察到，兄弟头中两个目标函数在空间上的错位会严重损害训练过程，而这一错位可以通过一个非常简单的算子——任务感知空间解耦（TSD）来解决。针对分类与回归，TSD 通过为二者生成两个解耦的候选框（由共享候选框估计得到）从而从空间维度上将二者解耦。其灵感来源于一个自然的洞察：对于同一个实例，某些显著区域的特征可能包含丰富的分类信息，而边界附近的特征可能更擅长边界框回归。令人惊讶的是，这一简单的设计可以在 MS COCO 和 Google OpenImage 上使所有主干网络与模型稳定提升约 3% mAP。进一步地，我们提出一种渐进式约束来扩大解耦候选框与共享候选框之间的性能差距，并额外获得约 1% mAP。我们表明该算法（\algname{}）大幅突破了当前单模型检测器的上限（ResNet-101 达 mAP 49.4，SENet154 达 51.2），并且是我们获得 Google OpenImage Challenge 2019 第一名方案的核心模型。
引用
@article{arxiv.2003.07540,
title = {Revisiting the Sibling Head in Object Detector},
author = {Guanglu Song and Yu Liu and Xiaogang Wang},
journal= {arXiv preprint arXiv:2003.07540},
year = {2020}
}
备注
Accept to CVPR 2020 & Method of Champion of OpenImage Challenge 2019, detection track