用于目标检测的尺度感知三齿网络
计算机视觉与模式识别
2019-08-21 v2
摘要
尺度变化是目标检测中的关键挑战之一。在本工作中，我们首先提出了一个受控实验，以研究感受野对目标检测中尺度变化的影响。基于探索实验的发现，我们提出了一种新颖的三齿网络（TridentNet），旨在以统一的表征能力生成特定尺度的特征图。我们构建了一种并行多分支架构，其中每个分支共享相同的变换参数但具有不同的感受野。然后，我们采用尺度感知训练方案，通过采样适当尺度的目标实例来训练每个分支。作为额外收获，三齿网络的快速近似版本相较于原始检测器可在不增加任何额外参数与计算成本的情况下实现显著改进。在 COCO 数据集上，我们以 ResNet-101 为骨干的三齿网络取得了 48.4 mAP 的最先进单模型结果。代码见 https://git.io/fj5vR。
引用
@article{arxiv.1901.01892,
title = {Scale-Aware Trident Networks for Object Detection},
author = {Yanghao Li and Yuntao Chen and Naiyan Wang and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:1901.01892},
year = {2019}
}
备注
ICCV 2019 camera ready