你应当关注所有目标
计算机视觉与模式识别
2022-07-19 v1
摘要
特征金字塔网络（FPN）是目标检测器的关键组件之一。然而，研究者长期存在一个困惑：引入 FPN 后大尺度目标的检测性能通常受到抑制。为此，本文首先在检测框架中重新审视 FPN，并从优化视角揭示 FPN 成功的本质。接着，我们指出大尺度目标性能下降是由于集成 FPN 后出现了不恰当的反向传播路径，使得骨干网络的每一层仅具备关注特定尺度范围内目标的能力。基于这些分析，提出两种可行策略以使基于 FPN 的检测框架中骨干的每一层都能关注所有目标。具体而言，其一为引入辅助目标函数，使各骨干层在训练时直接接收多尺度目标的反向传播信号；其二是以更合理的方式构建特征金字塔以避免不合理的反向传播路径。在 COCO 基准上的大量实验验证了我们分析的正确性与方法的有效性。无需额外技巧，我们表明所提方法在各种检测框架上取得稳固提升（超过 2%）：单阶段、两阶段、基于锚、无锚以及基于 transformer 的检测器。
引用
@article{arxiv.2207.07889,
title = {You Should Look at All Objects},
author = {Zhenchao Jin and Dongdong Yu and Luchuan Song and Zehuan Yuan and Lequan Yu},
journal= {arXiv preprint arXiv:2207.07889},
year = {2022}
}
备注
Accepted by ECCV2022