面向目标检测的任务特定上下文解耦
计算机视觉与模式识别
2023-03-03 v1
摘要
分类与定位是目标检测中的两个主要子任务。然而，这两个任务对特征上下文的偏好不一致，即定位期望更多边界感知特征以准确回归边界框，而对象分类则偏好更多语义上下文。现有方法通常利用解耦头为每个任务学习不同特征上下文，但头仍应用于相同输入特征，导致分类与定位间平衡不完善。本文提出一种新颖的任务特定上下文解耦（TSCODE）头，进一步解耦两任务的特征编码。对于分类，我们生成空间粗糙但语义强的特征编码；对于定位，提供含更多边缘信息的高分辨率特征图以更好回归对象边界。TSCODE即插即用，可轻松集成至现有检测流程。大量实验表明，该方法以更少计算成本稳定提升不同检测器超过1.0 AP。我们的代码与模型将公开发布。
引用
@article{arxiv.2303.01047,
title = {Task-Specific Context Decoupling for Object Detection},
author = {Jiayuan Zhuang and Zheng Qin and Hao Yu and Xucan Chen},
journal= {arXiv preprint arXiv:2303.01047},
year = {2023}
}