面向DETR的无偏回归损失
计算机视觉与模式识别
2024-10-31 v1
摘要
在本文中，我们为基于DETR的检测器引入了一种新颖的无偏回归损失。传统的回归损失倾向于偏向更大的边界框，因为与较小的框相比，它们对总损失的贡献不成比例地更大。因此，小目标的检测性能会受到影响。为了减轻这种偏差，我们提出了一种新的无偏损失，称为Sized 损失，它根据每个框的宽度和高度对其大小进行归一化。我们的实验表明，在MS-COCO基准数据集上，无论是全监督还是半监督设置，性能都有一致的提升。
引用
@article{arxiv.2410.22638,
title = {Unbiased Regression Loss for DETRs},
author = {Edric and Ueta Daisuke and Kurokawa Yukimasa and Karlekar Jayashree and Sugiri Pranata},
journal= {arXiv preprint arXiv:2410.22638},
year = {2024}
}