&Title:
&Summary
介绍了一种新的一阶段检测方法Dubox,它可以在没有先验框的情况下检测物体。设计的双尺度残差单元具有多尺度特性,使双尺度检测器不再独立运行。高层检测器学习低层检测器的残差。
Dubox增强了启发式引导的能力,进一步使第一尺度探测器能够最大限度地检测小目标,第二尺度探测器能够检测第一尺度探测器无法识别的目标。此外,对于每一个比例探测器,采用新的classification-regression progressive strap loss(CRPS),使检测过程不基于先验框。结合这些策略,检测算法在速度和精度方面取得了优异的性能。
&Research Objective
anchor-free + 双尺度预测
&Problem Statement
传统的神经目标检测方法使用多尺度特征,让多个检测器独立并行地在多个分支执行检测任务。同时,加入 先验框(prior box)提高了算法处理尺度不变性的能力 。然而,过多的先验框和多个检测器会增加检测算法的计算冗余度。
- 过多先验框