RepPoints V2: Verification Meets Regression for Object Detection
作者团队:MSRA&北京大学
代码:Scalsol/RepPointsV2
论文下载链接:RepPoints V2: Verification Meets Regression for Object Detection
注:如果上述链接无法访问或者下载速度过慢,可以看文末,已上传至百度云,方便下载
RepPoints V2 将验证和回归进行组合,是目前最强的Anchor-free目标检测网络,与前几天旷视的AutoAssign并列,代码于16个小时前刚刚开源!
前言
现在能看到系列版的目标检测网络,实属不易!
精读RepPointsV2 之前建议把RepPoints和 Dense RepPoints都看完。知乎上关于这个系列关注度也算蛮高的:
如何评价北大、清华、微软联合提出的RepPoints呢?www.zhihu.comRepPoints V2
验证(Verification)和回归(Regression)是神经网络中用于预测的两种通用方法。每种方法都有其各自的优势:验证更容易准确推断,回归更有效并且适用于连续目标变量。因此,仔细地组合它们以利用它们的好处通常是有益的。
在本文中,我们采用了这种理念来改进最新的目标检测,特别是对RepPoints改进。尽管RepPoints提供了高性能,但我们发现它严重依赖于回归来进行目标定位,因此还有改进的余地。
我们将验证任务引入RepPoints的位置预测中,从而生成RepPoints v2,它使用不同的主干和训练方法,在COCO目标检测基准上比原始RepPoints一致地提高了约2.0 mAP。
实验结果
RepPoints v2还可以通过单个模型在COCO test-dev上达到52.1 mAP。此外,我们表明,提出的方法可以更普遍地提升其他目标检测框架以及诸如实例分割之类的应用。
下载
链接: https:// pan.baidu.com/s/1h-MNvF Y_0Ne1NTpnfCKPjw
提取码:8u0q
推荐阅读
ECCV 2020 | 即插即用!PSConv:将特征金字塔压缩到紧凑的多尺度卷积层中
MS-NAS:用于医学图像分割的多尺度神经网络架构搜索
京东AI提出:用于人脸识别的损失函数搜索
增强注意力!DCANet:学习卷积神经网络的连接注意力
RarePlanes:最大的真实/合成的飞机检测和分类数据集
GBDT与NAS强强联手!中科大&MSRA提出GBDT-NAS:使用GBDT进行神经网络架构搜索