Cascade RetinaNet：保持单级物体检测的一致性

作者：Hongkai Zhang,Hong Chang,Bingpeng Ma,Shiguang Shan,Xilin Chen

摘要：最近的研究试图通过采用级联单级探测器的思想来提高探测性能。在本文中，我们分析并发现不一致性是限制性能的主要因素。精确的锚与从先前位置提取的特征相关联，并且分类器由于未对准的分类和定位而混淆。此外，我们指出了级联方式的两个主要设计规则：提高分类置信度和本地化性能之间的一致性，以及维持不同阶段之间的特征一致性。然后提出了一种名为Cas-RetinaNet的多级物体探测器，用于减少未对准。它包括用增加的IoU阈值训练的连续阶段以改善相关性，以及用于减轻特征不一致性的新颖特征一致性模块。实验表明，我们提出的Cas-RetinaNet在不同的模型和输入范围内实现了稳定的性能提升。具体来说，我们的方法在具有挑战性的MS COCO数据集上将RetinaNet从39.1 AP改进到41.1 AP，没有任何铃声或口哨声。

原文标题：Cascade RetinaNet: Maintaining Consistency for Single-Stage Object Detection

原文链接：https://arxiv.org/abs/1907.06881