Better to Follow, Follow to Be Better: Towards Precise Supervision of Feature Super-Resolution for Small Object Detection
- 文章针对2阶段的detection提出了一种对小面积ROI的feature进行SR的方法,并提出了对该SR进行监督的机制
- 首先是发现问题,问题在于,一张图片放大2倍后,同一块ROI(放大两倍)作为感受野所对应的feature map上的区域,并不是简单的放大前的区域放大两倍。也就是放大的不匹配问题。所以并不能简单地用大图的ROI的对应featuremap区域来监督小图的ROI的对应featuremap区域的SR
- 为了解决这个问题,必须用某种方式使得感受野匹配起来,所以作者采取了空洞卷积和pooling的trick来产生具有匹配的感受野的feature map的块进行SR模型的监督训练。
- 训练完,就可以用到2阶段的detection种,把RPN得到的小面积ROI对应的feature区域,先进行SR,再送进后续的ROIAlign等步骤。
- 哦对了,之所以要对feature map进行SR,是因为小物体检测得到的ROI对应的featuremap太小了,包含的信息也太coarse了,不利于后续的检测,所以要通过这种方式增加信息量。
- 整个网络的结构就是这样的: