Small Object Detection using Context and Attention

Small Object Detection using Context and Attention阅读记录

论文链接：https://arxiv.org/abs/1912.06319v2

Abstract

作者使用上下文信息和注意力机制检测小目标。

作者使用传统的SSD为基线，当网络输入为300x300时，其在Pascal VOC2007上的mAP为78.1%。

Introduction

作者认为解决小目标检测的关键是如何有效的利用上下文信息。

作者使用深层的抽象信息作为上下文信息，在浅层使用注意力机制，使网络更加关注小目标。

Related Works

省略

Method

首先介绍传统的SSD模型，模型结构如下图，其在VOC2007数据集上的小目标跑分为0.207。

然后是使用上下文信息的SSD模型(F-SSD)，模型结构如下图，他在传统的SSD模型上添加特征融合的过程。


传统SSD与注意力机制结合成A-SSD模型，其结构如下：

其中的注意力模块的结构如下：

Residual block结构：

上下采样1、2阶段分别为：

作者最终的模型(FA-SSD)如下，主要是新增了特征融合和注意力模块：

Experiments

上表为作者的实验结果，特征融合会提升检测网络对各个尺寸的检测性能。增加注意力机制可以提升模型对小目标的检测。除此之外，作者还更换特征提取网络进行测试，结果如下。

Conclusion

省略