新生彩票软件·华科提出目标检测新方法:基于IoU-aware的定位改进,简单又有效
2020-01-09 08:43:25
网上十大正规赌网址 网上十大正规赌网址

新生彩票软件·华科提出目标检测新方法:基于IoU-aware的定位改进,简单又有效

新生彩票软件,作者 | 周强

来源 | 我爱计算机视觉(id:aicvml)

【导语】近日,华中科技大学发表了一篇新论文《iou-aware single-stage object detector for accurate localization》,在此论文中作者提出了一种非常简单的目标检测定位改进方法,通过预测目标候选包围框与真实目标标注的iou(交并比),并基于此与分类分数的乘积作为检测置信度,用于nms(非极大抑制)和coco ap计算,显著提高了目标检测的定位精度。

作者均来自华中科技大学,并称代码将开源,不过目前还未公布地址。

论文地址:

https://arxiv.org/pdf/1912.05992.pdf

在目标检测问题中,模型需要输出目标分类分数和与其对应的目标定位的包围框,在以往的模型中,经常使用分类分数作为目标定位准不准的置信度,并基于此对大量候选目标包围框nms,现在越来越多的工作发现,分类分数高并不能保证定位精度高。

作者认为iou是直接反应定位准不准的直接指标,可以在目标检测模型的分类和定位任务的基础上添加iou预测的任务,可以在一定程度上反应定位置信度。

作者是在著明的一阶段目标检测算法retinanet基础上做的改进,如下图:

在包围框回归分支添加一个并行的预测iou的任务。

相关的损失函数数学描述:

作者将分类分数和预测得到的iou相乘,这个指标既反应了是不是这个目标,又反应了该位置和真实目标的可能的交并比,认为它是更加精确的检测置信度:

公式中参数 α 用于控制两者的贡献大小。

实验结果

作者在coco test-dev上与其他state-of-the-art算法的结果比较:

可见,相比于基线retinanet,取得了显著的ap提升,提升在1.0%∼1.6%之间。

在pascal voc数据集上与retinanet的比较结果:

同样取得了显著的ap提升,ap 提升在1.1%∼2.2%之间。

这篇文章尽管思路比较简单,但改进还是明显的,希望对其他目标检测算法也有效,期待有更多实验结果出来。

(*本文为ai科技大本营转载文章,转载请联系作者)

Copyright 2018-2019 aramsociety.com 网上十大正规赌网址 Inc. All Rights Reserved.