软锚点目标检测
计算机视觉与模式识别
2020-07-08 v2
摘要
近年来，无锚框检测方法取得了巨大进展。锚点检测与关键点检测两大主要系列处于速度-精度权衡的对立两端，其中锚点检测器具有速度优势。在这项工作中，我们在保持速度优势的同时，提升了锚点检测器相对于关键点检测器的性能。为此，我们从锚点的视角阐述检测问题，并确定无效训练为主要问题。我们的核心见解是，锚点应在特征金字塔层级内部及之间作为一个组联合优化。我们提出了一种简单而有效的训练策略，采用软加权锚点与软选择金字塔层级，分别解决每个金字塔层级内的错误注意力问题以及所有金字塔层级间的特征选择问题。为评估有效性，我们训练了一个称为软锚点检测器(SAPD)的单阶段无锚框检测器。实验表明，我们简洁的 SAPD 将速度/精度权衡推向了新的水平，优于近期最先进的无锚框与基于锚框的检测器。无需额外技巧，我们的最佳模型在 COCO 上可实现单模型单尺度 AP 47.4%。
引用
@article{arxiv.1911.12448,
title = {Soft Anchor-Point Object Detection},
author = {Chenchen Zhu and Fangyi Chen and Zhiqiang Shen and Marios Savvides},
journal= {arXiv preprint arXiv:1911.12448},
year = {2020}
}
备注
ECCV 2020