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