【论文标题】Dive Deeper Into Box for Object Detection 深入探讨目标检测中的对象框 【作者团队】Ran Chen, Yong Liu, Mengdan Zhang, Shu Liu, Bei Yu, Yu-Wing Tai（香港中文大学、腾讯优图、思谋科技） 【发表时间】2020/8/26 【论文链接】https://arxiv.org/abs/2007.14350 【推荐理由】本文收录于ECCV-2020。来自香港中文大学、腾讯优图、思谋科技的作者团队指出，无锚框（Anchor-free）目标检测方法的准确性得益于对于边界框精确的估计。即使边界框具有最高的置信度得分，在定位环节仍然有一些瑕疵。为此，本文提出了一种框重组的方法（Box Re-organization），名为DDBNet，该方法可以深入到框中以进行更准确的定位。具体来说，第一步将漂移的框（Drifted Bounding-box）过滤掉，因为这些框中的内容与目标语义不一致。接下来，将选定的框划分为边界（Boundaries），并搜索排列整齐的边界，将其分组为更精确的框，从而更精确地拟合目标实例范围。实验结果表明，该模型可达到最新的物体检测性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除