coco数据集目标检测论文_2019AAAI目标检测论文DeRPN

关注"Smarter"，加" 星标 "置顶

及时获取最优质的CV内容

背景：

DeRPN: Taking a further step toward more general object detection是2019 AAAI的paper，作者来自于华南理工大学。

论文地址：

https://arxiv.org/pdf/1811.06700v1.pdfarxiv.org

代码地址：(之后会开源)

HCIILAB/DeRPNgithub.com

一、研究动机

目前主流的目标检测方法都会采用anchor，而anchor的设计会直接影响到检测结果的好坏。在两阶段方法中，RPN中的anchor都是以一组四维向量表示，  ，并在此基础上去调整和学习region proposal。事实上，同时学习四维向量的目标框，相对而言比较困难，而且针对比较极端的情况或者数据集，很难进行匹配。该论文通过维度分解的方法，将四维向量的学习分解为两个独立的二维向量的学习，分别降低了各自学习的难度，最后再重新进行组合。同时论文在该机制上，还提出了新的损失函数以应对不平衡问题。

二、具体方法