分类和定位是目标检测中两个高度相关但互相“矛盾”的任务。对于每个对象，分类属于粗粒度的戏细分任务，需要更丰富的语义上下文，而定位则相当细粒度，需要能提供更多丰富细节的边界信息。这一点不难理解，分类通常需要站在全局的角度去审时度势，这也是为什么大多数分类任务会采用全局上下文池化(Global Average Pooling, GAP)的原因。
如上所述，诸如YOLOX等常规的解耦头设置中，分类和回归分支都是共享来自Neck输出的相同输入特征。虽然它们使用单独的参数进行学习，以便为每个任务提供不同的特征上下文，即参数解耦，但这种简单的设计并不能从本质上解决问题。这是因为不同的输入特征其涵盖的语义和空间细节信息是并相同的。通常来说，低层特征具备更丰富的细节信息而缺乏语义信息，而高层特征则与之相反，这必然不能最大限度的发挥这种“解耦头”的优势。
如图所示，TSCODE整体的网络架构与常规的单阶段目标检测器并无多大差异，都是包含Backbone、Neck和Head。其中骨干网络充当特征提取器从输入图像生成多尺度特征图。随后通过类似于FPN或BiFPN之类的特征金字塔结构进行深、浅层的特征融合，最后再分别输入到头部进行相应的解码输出。需要注意的是，这里TSCODE接收来自中间三个层级输出的特征图，并生成用于分类和定位的解耦特征图。更重要的是，TSCODE是即插即用的，可以很容易地集成到大多数流行的检测器中，无论是Anchor-based还是Anchor-free
订阅专栏 解锁全文
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
