&Title
&Summary
提出了一个单阶段检测框架,该框架解决了多尺度目标检测和类不平衡的问题。
首先提出一个特征丰富模块用来提取上下文特征,将提取的多尺度上下文特征注入到一阶段检测器的预测层中,用来增强检测器的判别能力(丰富特征)。接着,提出了一个级联精炼方法,通过细化锚和丰富的特征 (来自特征丰富模块提取出来的上下文特征)来改善分类和回归。
简单理解为:提出了一个级联精炼的分类回归策略,主要来自两种渠道的精炼,一是提取的上下文特征(MSCF)、二是细化锚(FGEM)。
contributions:
- 引入了一种简单而有效的特征丰富化方案来生成多尺度的上下文特征。
- 进一步引入了一种级联的优化(精炼)方案,该方案首先将多尺度的上下文特征注入到一阶段检测器的预测层中,以增强其进行多尺度检测的判别能力。 其次,级联精炼方案通过细化锚(anchors)和丰富的特征以改善分类和回归来解决类不平衡问题。
&Research Objective
多尺度目标检测和类不平衡的问题
&Problem Statement
标准SSD检测器实现最高精度同时保持其高速度的两个主要障碍:
- 首先,标准的SSD难以应对大尺度变化