VALSE 论文速览 第65期：用于平衡目标检测的预测一致性调和损失 ...

论文题目：Reconcile Prediction Consistency for Balanced Object Detection

作者列表：王科洋 (重庆大学)，张磊 (重庆大学)

B站观看网址：

https://www.bilibili.com/video/BV1d3411T74j/

论文摘要：

分类和回归是目标检测器的两大支柱。在大多数基于CNN的检测器中，这两个支柱都是独立优化的。然而如果没有它们之间的直接交互，分类损失和回归损失就不能在训练阶段同步向最优方向优化。这显然会导致在推理阶段出现大量分类分数高但定位准确率低或分类分数低但定位准确率高的不一致预测，特别是对于形状不规则和被遮挡的物体。这严重损害了现有检测器在NMS后的检测性能。为了协调目标检测的预测一致性，我们提出了一种Harmonic loss来自主协调分类分支和定位分支的优化。调和损失使这两个分支在训练期间能够相互监督和促进，从而在推理阶段产生具有分类和定位一致性的预测。此外，为了防止定位损失在训练阶段受到异常样本的支配，我们还提出了一种Harmonic IoU loss自动协调不同 IoU 级别样本的定位损失的权重。对PASCAL VOC 和 MS COCO的大量实验证明了我们模型的通用性和有效性，同时可以有效促进现有的目标检测器达到最先进的准确度。

论文信息：

[1] Keyang Wang and Lei Zhang. Reconcile Prediction Consistency for Balanced Object Detection. In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV’2021), pp. 3631-3640, virtual, 2021.

论文链接：

[https://openaccess.thecvf.com/content/ICCV2021/papers/Wang_Reconcile_Prediction_Consistency_for_Balanced_Object_Detection_ICCV_2021_paper.pdf]

视频讲者简介：

覃凌云，重庆大学硕士生，研究方向为计算机视觉，目前专注于域泛化目标检测。

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)