Featurized Query R-CNN

要約

DETRメソッドで導入されたクエリメカニズムは、オブジェクト検出のパラダイムを変えており、最近、多くのクエリベースのメソッドが強力なオブジェクト検出パフォーマンスを獲得しています。
ただし、現在のクエリベースの検出パイプラインには、次の2つの問題があります。
まず、ランダムに初期化されたオブジェクトクエリを最適化するために多段デコーダが必要であり、大きな計算負荷が発生します。
次に、トレーニング後にクエリが修正されるため、一般化機能が不十分になります。
上記の問題を解決するために、定評のあるFaster R-CNNフレームワークのクエリ生成ネットワークによって予測された機能化されたオブジェクトクエリを提示し、機能化されたクエリR-CNNを開発します。
COCOデータセットでの広範な実験は、Featurized Query R-CNNが、最新のスパースR-CNN検出器を含む、すべてのR-CNN検出器の中で最高の速度と精度のトレードオフを取得することを示しています。
コードは\url{https://github.com/hustvl/Featurized-QueryRCNN}で入手できます。

要約(オリジナル)

The query mechanism introduced in the DETR method is changing the paradigm of object detection and recently there are many query-based methods have obtained strong object detection performance. However, the current query-based detection pipelines suffer from the following two issues. Firstly, multi-stage decoders are required to optimize the randomly initialized object queries, incurring a large computation burden. Secondly, the queries are fixed after training, leading to unsatisfying generalization capability. To remedy the above issues, we present featurized object queries predicted by a query generation network in the well-established Faster R-CNN framework and develop a Featurized Query R-CNN. Extensive experiments on the COCO dataset show that our Featurized Query R-CNN obtains the best speed-accuracy trade-off among all R-CNN detectors, including the recent state-of-the-art Sparse R-CNN detector. The code is available at \url{https://github.com/hustvl/Featurized-QueryRCNN}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google