SaccadeNet：一种快速且准确的目标检测器
计算机视觉与模式识别
2020-03-30 v1
摘要
目标检测是迈向整体场景理解的关键步骤。现有大多数目标检测算法仅对特定目标区域关注一次，随后预测目标位置。然而，神经科学家揭示人类并非以固定凝视方式观察场景，而是眼睛不断移动，定位信息丰富的部分以理解目标位置。这种主动感知的运动过程称为眼跳（saccade）。受此机制启发，我们提出了一种快速且准确的目标检测器 SaccadeNet。它包含四个主要模块：中心注意力模块（cenam）、角点注意力模块（coram）、注意力传播模块（atm）和聚合注意力模块（aggatt），使其能关注不同的信息丰富目标关键点，并从粗到细预测目标位置。coram 仅在训练时使用，以提取更具信息量的角点特征，带来免费的精度提升。在 MS COCO 数据集上，我们以 28 FPS 取得 40.4% mAP、以 118 FPS 取得 30.5% mAP。在所有实时目标检测器中，我们的 SaccadeNet 取得了最佳检测性能，证明了所提检测机制的有效性。
引用
@article{arxiv.2003.12125,
title = {SaccadeNet: A Fast and Accurate Object Detector},
author = {Shiyi Lan and Zhou Ren and Yi Wu and Larry S. Davis and Gang Hua},
journal= {arXiv preprint arXiv:2003.12125},
year = {2020}
}