Rethinking Classification and Localization for Object Detection:关于目标检测中分类任务和定位任务的重思考

CVPR2020
截至目前495引
Rethinking Classification and Localization for Object Detection:关于目标检测中分类任务和定位任务的重思考_第1张图片

文章提出的问题

  • 使用R-CNN的网络广泛使用了双头结构,这种双头结构对于目标检测中的分类和定位任务是友好的,但是大家并不知道为什么这种双头结构是好用。
  • 文中提到了一个知识,就是作者再做实验时发现,FC检测头对分类效果更好,Conv检测头对定位效果更好,本文给出了原因
  • 单Conv头的检测效果比双Conv头的效果好,本文给出了原因

Rethinking Classification and Localization for Object Detection:关于目标检测中分类任务和定位任务的重思考_第2张图片
图一

解决方案

  • 作者发现FC结构相比与Conv具有更好的空间敏感性,这种空间敏感性是因为FC对候选的输入部分的参数时不同的,不同的参数分别负责不同的部分,这相比于Conv的参数共享的卷积核结构,

  • 本文实验发现使用了双头和单头分别做实验,得到以下几组结果,中间一大列中的数值是给两个任务分配的权值。可以看到作者的实验结果表明,分别使用两种结构振针对两种任务的Double-Head的效果更好。
    Rethinking Classification and Localization for Object Detection:关于目标检测中分类任务和定位任务的重思考_第3张图片
    图二

你可能感兴趣的:(#,关于计算机视觉的论文笔记,目标检测,分类,人工智能)