【RepPoints】RepPoints: Point Set Representation for Object Detection 译读笔记

RepPoints: Point Set Representation for Object Detection

摘要

  现今的目标检测器严重依赖矩形边界框，例如在各个识别阶段使用锚点、建议框和最终预测来表示目标。边界框使用方便，但仅提提供目标的粗略位置，会导致相应目标特征的提取不够精细。本文提出了RepPoints（representative points），一种全新的更加精细的目标表示，作为一组样本点用于定位和识别。在训练时给定识别目标的真实位置，RepPoints学习表征点的排布方式，该方式会限制在目标的空间范围内，并指示出具有语义信息的重要局部区域。此外，表针点不需要使用anchors来对边界框（分布）空间采样。本文展示了基于RepPoints的anchor-free目标检测器可以与先进的基于锚点的检测方法一样有效，在 COCO test-dev检测基准上具有 $46.5AP$和 $67.4A{P}_{50}$，其使用了 ResNet-101 模型。代码开源于https://github.com/microsoft/RepPoints。

1. 介绍

  目标检测致力于定位图像中的目标并提供他们的类别标签。