面向精确单阶段目标检测与AP损失的研究
计算机视觉与模式识别
2026-03-03 v3
摘要
单阶段目标检测器通过同时优化分类损失和定位损失进行训练，其中前者由于大量锚框而深受前景-背景类别极度不平衡问题的困扰。本文通过提出一种新颖框架来缓解该问题，该框架将单阶段检测器中的分类任务替换为排序任务，并针对排序问题采用平均精度损失（AP-loss）。由于其不可微和非凸性，AP损失无法直接优化。为此，我们开发了一种新颖的优化算法，其无缝结合了感知机学习中的误差驱动更新方案与深度网络中的反向传播算法。我们从理论和经验上验证了所提算法的良好收敛性。实验结果表明，在各种基准上，基于AP损失的先进单阶段检测器相较于不同种类的分类损失取得了显著的性能提升，且无需改变网络架构。代码见 https://github.com/cccorn/AP-loss。
引用
@article{arxiv.1904.06373,
title = {Towards Accurate One-Stage Object Detection with AP-Loss},
author = {Kean Chen and Jianguo Li and Weiyao Lin and John See and Ji Wang and Lingyu Duan and Zhibo Chen and Changwei He and Junni Zou},
journal= {arXiv preprint arXiv:1904.06373},
year = {2026}
}
备注
13 pages, 7 figures, 4 tables, main paper + supplementary material, accepted to CVPR 2019