VALSE 论文速览 第63期: CrossDet: 十字线表示的目标检测网络框架 ...

论文题目：CrossDet: Crossline Representation for Object Detection

作者列表：邱荷茜 (电子科技大学)，李宏亮 (电子科技大学)，吴庆波 (电子科技大学)，崔建华 (电子科技大学)，宋子辰 (电子科技大学)，王岚晓 (电子科技大学)，张敏健 (电子科技大学)

B站观看网址：

https://www.bilibili.com/video/BV1KZ4y1m78w/

论文摘要：

目标检测任务 (Object detection)通常依赖于对象表示去预测目标的位置和类别。因此，一个精准有效的对象表示是目标检测成功的关键因素。现有的方法通常使用矩形的锚点框或一系列的离散点去表示对象。然而，这些方法容易引入背景噪声以及丢失目标内部连续的外观信息，从而导致错误的检测结果。取代传统的基于锚点框和点的对象表示，我们首次提出一个新颖的十字线表示的无锚点目标检测网络CrossDet，采用一组自动生长的十字线去表示对象。一方面，一个对象被灵活地表示以不同地组合形式，能够有效地提取对象特征，减少噪声的干扰。另一方面，考虑连续的对象特征信息，有助于感知对象特征的变化，从而找到目标的边界。基于可学习的十字线，我们构建了十字线提取模块去自适应的整合十字线的特征。该模块首先在水平和竖直的两个维度分别执行平均池化操作，编码轴感知的长范围上下文特征，然后选择性地采样十字线上的特征，捕获具有判别性的特征。在优化过程中，我们进一步设计了解耦的回归机制，分别沿着水平和竖直方向回归目标位置，限制优化空间为某个具体的方向，有助于缓解优化难度。最后在Pascal VOC以及大规模的MS-COCO数据库进行了实验验证，实验结果表明该方法能够更有效地表示复杂多变的对象，提升目标检测准确性。

论文信息：

[1] Heqian Qiu, Hongliang Li, Qingbo Wu, Jianhua Cui, Zichen Song, Lanxiao Wang, and Minjian Zhang. "CrossDet: Crossline Representation for Object Detection." Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), pp. 3195-3204, virtual, October 2021.

论文链接：

[https://openaccess.thecvf.com/content/ICCV2021/papers/Qiu_CrossDet_Crossline_Representation_for_Object_Detection_ICCV_2021_paper.pdf]

代码链接：

[https://github.com/QiuHeqian/CrossDet]

视频讲者简介：

邱荷茜，电子科技大学博士生，研究方向为计算机视觉和图像处理，目前专注于目标检测和多模态语言与视觉解析和定位。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：杨曦 (西安电子科技大学)、王鑫 (清华大学)

季度责任AC：杨猛 (中山大学)