目标检测中的平移等变性

对微小图像平移的鲁棒性是目标检测器极为期望具备的性质。然而，近期工作表明基于 CNN 的分类器并不具有平移不变性。由于二者在架构上的差异以及现代检测器预测空间的维度，这种问题在多大程度上会影响目标检测尚不清楚。为端到端地评估目标检测模型的平移等变性，本文提出一种评估指标，其构建基于对平移图像集上平均精度均值的下界与上界进行贪心搜索。我们的新指标表明，现代目标检测架构——无论单阶段还是两阶段、基于锚框还是无锚框——对输入图像即便一个像素的平移也敏感。此外，我们研究了若干针对该问题的可能解决方案，既有文献中的也有新提出的，并用所提指标量化了各自的有效性。结果表明，这些方法均无法提供完全的平移等变性。度量并分析不同模型的平移方差程度及可能因素的贡献，是迈向设计缓解甚至利用此类可变性的方法的第一步。