VFNet 解读

VarifocalNet: An IoU-aware Dense Object Detector

发表于 arXiv 2020.

这篇文章关注的是对 candidate detection bboxes 的 ranking 问题。以往的 ranking 依据是 classification score 或 classification score 和 IoU-based localization score 的结合。

这篇文章提出了一个新的 ranking 依据：IoU-aware classification scores (IACS)。IACS 同时体现了 object presence confidence 和 localization accuracy，从而有助于产生更精确的 rank。

那么 IACS 要怎么用呢？作者做了两方面创新的工作：

• 设计了一个新的 loss function：Varidocal Loss，这是在预测 IACS 的时候要用到的 loss；
• 提出了一种新的特征表示方法：a new efficient star-shaped bouding box feature representation。为了能够用到这种特征表示方法，作者添加了一个额外的 bounding box refinement branch。这个 branch 用于对 IACS 进行评估，然后 refine coarse bounding boxes。

整个 VFNet 框架是基于 FCOS 的。

（未完待续）