论文标题：TOOD: Task-aligned One-stage Object Detection

代码链接：https://github.com/fcjian/TOOD

作者单位：云天励飞 & 美团

本文将单阶段检测器在COCO数据集上的性能刷新到了51.1AP。针对现有单阶段检测器分类与定位存在不对齐问题，本文提出了一种新颖T-Head对其进行平衡；同时还提出了TAL在训练过程中对两个任务的最优anchor进行显式靠拢(甚至统一)。受益于所提到的T-Head与TAL，所提方法TOOD刷新了COCO数据集上的单阶段检测器性能，达到了５１.１AP，超过了GFLv2、OTA、IQDet等方案。

本文主要贡献包含以下三点：

  • 设计了一个新的T-Head以增强分类与定位之间的相互作用，同时保持各自的特性，此外在预测过程中对两个任务进行对齐；
  • 提出了TAL对两个任务进行显式对齐，同时为所提预测器提供学习信号；
  • 所提TOOD在COCO数据集上取得了51.1AP指标，超越了包含ATSS、GFL、PAA、OTA等在内的单阶段检测。

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