TricubeNet：基于二维核的弱遮挡面向对象检测的对象表示
重磅干货，第一时间送达
小黑导读
论文是学术研究的精华和未来发展的明灯。小黑决心每天为大家带来经典或者最新论文的解读和分享，旨在帮助各位读者快速了解论文内容。个人能力有限，理解难免出现偏差，建议对文章内容感兴趣的读者，一定要下载原文，了解具体内容。
摘要
提出了一种新的面向对象检测方法——无锚单级检测器。这种方法名为TricubeNet，将每个对象表示为2D Tricube核，并使用基于外观的后处理提取边界框。与现有的基于锚点的对象检测器不同，作者可以通过消除网络设计中的锚点盒来节省计算复杂度和超参数的数量。此外，采用基于热图的检测过程代替盒偏置回归，简单有效地解决了角度不连续问题，这是面向目标检测的重要问题之一。为了进一步提高性能，作者提出了损耗平衡、旋转不变特征提取和热图细化等有效技术。为了证明作者的TricueNet的有效性，作者实验了各种面向弱遮挡的目标检测任务。大量的实验结果表明，作者的TricueNet在面向对象检测方面是高效和有竞争力的。
代码链接：https://github.com/qjadud1994/TricubeNet
所提议的方法TricubeNet的贡献如下:
作者提出了一种新的基于热图的检测器TricubeNet，它有效地解决了角度不连续性问题。
通过消除网络设计中的锚盒，可以节省计算复杂度和超参数的数量。
作者提出了一些适当的面向对象检测技术，以提高性能。
作者验证了作者的TricubeNet的有效性，通过广泛的实验在各种任务。
框架结构
TricubeNet的概述。它为每个类别生成一个通道热图，将对象表示为2D tricube内核。骨干网络由一个完全卷积的编码器解码器结构组成。H和W分别为图像的高度和宽度;C是类别的数量;R是降采样率。从热图级联细化，作者重复细化输出热图(H)，并从最后细化的热图(H3)提取包围盒偏移量。
说明了提取旋转不变特征的多角度卷积(MAC)模块。
地面真实(GT)热图和大小重量掩模生成程序的说明。
实验结果
从热图到定向边界框。首先，从热图(a)中，利用阈值τ得到二元热图(b)。利用连接组件标记算法(CCL)对每个核进行标记，提取轮廓点(c)，并找出每个核的最小面积矩形(d)。
使用coco风格度量对SKU110K-R的评价结果。
结论
作者提出了一种简单而强大的面向弱遮挡目标检测的有效方法TricubeNet。该方法将每个对象表示为一个二维的三角核，并使用基于外观的简单后处理提取边界框。由于作者的无锚网络设计，可以缓解锚盒计算复杂度高、超参数多、角度不连续性等限制。为了提高检测性能，作者提出了额外的技术，如SWM, FPEM, MAC模块和热图级联细化。大量的实验结果表明，作者的TricubeNet是相当有效和高效的面向对象检测。作者希望作者在面向对象检测领域的新尝试开辟新的可能性。
论文链接：https://arxiv.org/pdf/2104.11435.pdf
每日坚持论文分享不易，如果喜欢我们的内容，希望可以推荐或者转发给周围的同学。