本文分析了anchor-free检测器中的注意力偏差和特征选择问题，提出软权重锚点（SW）和软选择金字塔级别（SS）策略。通过软权重，解决了注意力偏向，使检测更集中在目标中心；软选择则允许不同级别的特征共同作用于目标检测，提高精度。实验证明，SAPD在COCO上取得了47.4%的AP，速度比其他检测器快5倍。
&Title
&Summary
问题：
- how to make the anchor-free detection head better?
- how to utilize the power of feature pyramid better?
解决方法： soften optimization techniques，
- soft-weighted anchor points
- soft-selected pyramid levels
实验表明，简洁的SAPD将速度/精度权衡提升到了一个新的水平，COCO上获得a single-model single-scale AP of 47.4%，5x faster than other detectors.
算法创新
-
分析anchor-free检测器中anchor-point检测器精度不高的问题，提出了attention bias和feature selection两个待改进不足。
-
针对attention bias问题，提出soft-weighted anchor point思想，针对feature selection问题，提出了soft-selected pyramid level思想， 最终改进了anchor-point检测器的训练策略，在不影响推理代价的情况下提高了检测精度。
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
