Guided Anchoring
文章
Anchor机制是目前主流的(当然也有不基于anchor的算法, 比如CornerNet和GridNet)基于深度学习的目标检测算法的重要基石。目前的最先进的检测器都是使用的密集的anchor模式,即在图片上均匀放置好一组定义好形状和大小的anchor。anchor的设计一般有两个要求:1.alignment,为了用卷积特征作为anchor的表示,anchor的中心需要和特征图的像素中心比较好地对齐;2.consistency,不同位置对应的anchor的形状和大小应该一致。
本文的研究表明anchor机制可以实施得更加有效和高效。本文提出的方法Guided Anchoring利用语义特征来指导anchor。方法会联合预测感兴趣物体中心可能出现的位置和在不同位置的形状大小。也就是先预测anchor的形状大小及位置,再在这些anchor的基础上预测目标。
从图1中看到Guided anchoring模块中有两个部分:anchor generation和feature adaption。首先是anchor generation,对于第一部分anchor location prediction,采用网络N_L。N_L对输入特征图F_I使用1x1的卷积&#x