TSAA：一种面向拥挤目标检测中锚框漂移的两阶段锚框分配方法
计算机视觉与模式识别
2022-11-14 v2 人工智能
摘要
在当前的基于锚框的检测器中，正锚框会直观地分配给与之重叠最多的物体。分配给每个锚框的标签将直接决定对应预测框的优化方向，包括框回归与类别预测的方向。然而，在我们进行拥挤目标检测的实践里，结果显示当多个物体重叠时，正锚框并非总朝与之重叠最多的物体回归。我们称之为锚框漂移。锚框漂移反映出由锚框与物体间重叠程度决定的锚框-物体匹配关系并非总是最优。固定匹配关系与过往训练过程中所学经验之间的冲突可能导致模糊预测，从而提高假阳性率。本文提出一种简单而高效的自适应两阶段锚框分配（TSAA）方法。它利用最终预测框而非固定锚框来计算与物体的重叠程度，以确定每个锚框回归哪个物体。预测框的参与使锚框-物体分配机制具有自适应性。在 CrowdHuman 和 COCO 上基于 RetinaNet、Faster-RCNN 和 YOLOv3 三种经典检测器进行了大量实验以评估 TSAA 的有效性。结果表明，TSAA 可在不增加额外计算成本或改变网络结构的情况下显著提升检测器性能。
引用
@article{arxiv.2211.00826,
title = {TSAA: A Two-Stage Anchor Assignment Method towards Anchor Drift in Crowded Object Detection},
author = {Li Xiang and He Miao and Luo Haibo and Yang Huiyuan and Xiao Jiajie},
journal= {arXiv preprint arXiv:2211.00826},
year = {2022}
}
备注
11 pages, 8 figures