Object detection can be regarded as a pixel clustering task, and its boundary is determined by four extreme points (leftmost, top, rightmost, and bottom). However, most studies focus on the center or corner points of the object, which are actually conditional results of the extreme points. In this paper, we present a new anchor-free dense object detector, which directly regresses the relative displacement vector between each pixel and the four extreme points. We also propose a new metric to measure the similarity between two groups of extreme points, namely, Extreme Intersection over Union (EIoU), and incorporate this EIoU as a new regression loss. Moreover, we propose a novel branch to predict the EIoU between the ground-truth and the prediction results, and combine it with the classification confidence as the ranking keyword in non-maximum suppression. On the MS-COCO dataset, our method achieves an average precision (AP) of 39.3% with ResNet-50 and an AP of 48.3% with ResNeXt-101-DCN. The proposed EPP-Net provides a new method to detect objects and outperforms state-of-the-art anchor-free detectors.


翻译:对象检测可被视为像素群集任务,其边界由四个极端点(最左、最上、最右和最下)决定。然而,大多数研究侧重于对象的中心或角点,这些点实际上是极端点的有条件结果。在本文中,我们展示了一个新的无锚密度物体探测器,它直接回归了每个像素和四个极端点之间的相对移位矢量。我们还提出了衡量两组极端点之间相似性的新指标,即UIOU的极端交叉点(EIOU),并将EIOU作为新的回归损失。此外,我们提出了一个新的分支,以预测地面轨迹和预测结果之间的EIOU,并将它与分类信任作为非最大抑制的排序关键词。在MS-CO数据集中,我们的方法达到39.3%的平均精确度,即Res-50和48.3%的AP,以及ResNeXt-101-DCN。 拟议的EPP-Net提供了一种新的方法来检测对象和锁定的恒定式探测器。

0
下载
关闭预览

相关内容

目标检测,也叫目标提取,是一种与计算机视觉和图像处理有关的计算机技术,用于检测数字图像和视频中特定类别的语义对象(例如人,建筑物或汽车)的实例。深入研究的对象检测领域包括面部检测和行人检测。 对象检测在计算机视觉的许多领域都有应用,包括图像检索和视频监视。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
31+阅读 · 2021年6月12日
专知会员服务
16+阅读 · 2021年5月23日
专知会员服务
109+阅读 · 2020年3月12日
什么是anchor-based 和anchor free?
计算机视觉life
6+阅读 · 2020年1月4日
CVPR 2019 论文大盘点—目标检测篇
极市平台
33+阅读 · 2019年7月1日
重磅!13篇基于Anchor free的目标检测方法
极市平台
4+阅读 · 2019年5月28日
CornerNet: Detecting Objects as Paired Keypoints 论文笔记
统计学习与视觉计算组
7+阅读 · 2018年9月27日
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Arxiv
9+阅读 · 2021年3月3日
VIP会员
相关VIP内容
专知会员服务
31+阅读 · 2021年6月12日
专知会员服务
16+阅读 · 2021年5月23日
专知会员服务
109+阅读 · 2020年3月12日
相关资讯
什么是anchor-based 和anchor free?
计算机视觉life
6+阅读 · 2020年1月4日
CVPR 2019 论文大盘点—目标检测篇
极市平台
33+阅读 · 2019年7月1日
重磅!13篇基于Anchor free的目标检测方法
极市平台
4+阅读 · 2019年5月28日
CornerNet: Detecting Objects as Paired Keypoints 论文笔记
统计学习与视觉计算组
7+阅读 · 2018年9月27日
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Top
微信扫码咨询专知VIP会员