CVPR 2020 论文分享会

有幸赶上了今年的分享会，要不是疫情的原因可能也不会在网络直播。

只看了目标检测部分的三篇。第一篇和第二篇之前从来没有涉及过，所以几乎完全听不懂。第三篇是通用的物体检测方法TSD，认真听了下感觉原理还可以听懂。

TSD

存在问题

目前传统ROI检测存在的问题（作者主要就faster rcnn存在的问题讲述的）：

在RPN出来的结果送到BBOX分支和CLS分支（头）预测是共用的特征提取器以及相同的proposal（使用同一个FC层）。这就会造成矛盾。
CL更加关注的是中间部分，而LO更加关注的是边缘的部分。所以一个共同的预测器来预测两类侧重点不同的任务，这就会对结果产生影响。

启发点

对于CL来说，我们希望RP的偏移不会影响结果。对于LO来说，RP的偏移会对结果产生影响。例如下图

对CL来说希望三个RP的Confidence不变，对于LO来说我们希望（Δx,Δy,Δw,Δh
）发生变换。既

解决方案

原目标可以表示为：

改进后为：

对于LO来说：

对于CL来说：

Fc和Fr都是全连接网络，θ 是学习的参数。
​

总结

在后面的就没看了，具体的网络结构什么的。不过大致思路感觉还可以理解，就是对RP加一个自适应的偏移量（CL和LO偏移量定位不同），再将两个新的RP分别给两个分支进行预测。

最后彩蛋环节，感觉一个老师说的感觉很好。写好论文后，自己要做自己最严厉的的reviewer。（虽然现在还没有开始写论文）

参考：link.