通用目标检测网络的零成本改进
计算机视觉与模式识别
2021-12-07 v2
摘要
现代目标检测网络在通用目标检测数据集上追求更高精度，同时计算负担也随精度提升而增加。然而，推理时间与精度对于需要实时的目标检测系统都至关重要。研究无额外计算成本的精度提升十分必要。本工作中，提出两个零成本提升检测精度的模块，聚焦于通用目标检测网络的 FPN 与检测头改进。我们采用尺度注意力机制以更少参数高效融合多级特征图，称为 SA-FPN 模块。考虑到分类头与回归头的相关性，我们使用顺序头替代广泛使用的并行头，称为 Seq-HEAD 模块。为评估有效性，我们将这两个模块应用于一些现代最先进的目标检测网络，包括基于锚点与无锚点方法。在 coco 数据集上的实验结果表明，带有这两个模块的网络分别以零成本在基于锚点与无锚点网络上超越原始网络 1.1 AP 和 0.8 AP。代码将发布于 https://git.io/JTFGl。
引用
@article{arxiv.2011.07756,
title = {Zero Cost Improvements for General Object Detection Network},
author = {Shaohua Wang and Yaping Dai},
journal= {arXiv preprint arXiv:2011.07756},
year = {2021}
}