DenseBox是一种2015年的端到端算法，结合目标检测和地标定位。它避免了提案生成和图像金字塔，专注于小目标和遮挡目标。通过卷积和上采样处理，DenseBox对输出特征图进行预测，影响了后来的anchor-free算法。该方法最初应用于人脸检测，使用裁剪图像进行训练，并以人脸为中心点创建GT。输出特征图经过上采样，具有高分辨率，每个像素对应一个框的置信度和位置。损失函数包括置信度和框回归的L2 loss。
DenseBox: Unifying Landmark Localization with End to End Object Detection
（CVPR2015）
论文是2015年提出的一种端到端的算法，同时对目标进行分类和框回归，算法很有前瞻性。DenseBox不需要产生proposal、引入图像金字塔（这个思想后来演变成特征金字塔FPN），网络更加关注小尺寸和严重遮挡的目标。网络经过一列卷积核池化，进行上采样是特征图变大，用于检测更多的目标，再经过一些卷积得到最终的预测输出。这样看来，DenseBox的思想也影响这最近一年中提出来的anchor-free的算法，均是在下采样后又进行上采样，最后再接一些卷积模块预测。DenseBox将输出的特征图转换为目标框，通过NMS和阈值进行输出。
DenseBox设计的初衷是用在人脸检测上。作者为了节约训练时间，没有将一整张图片全部输入网络，而是对输入图片进行了裁剪，裁剪的区域应包括人脸和背景丰富的patches，训练时patches缩放至240*240。在GT生成时，构建的是60*60*5维的张量，人脸区域由以人脸bbox的中心点为圆心、半径为0.3倍于bbox size（人脸的标注框为方形）的圆形区域确定，这也是DenseBox的由来，增加了正样本的比例，而现在较多的anchor-free的方法是采高斯分布+带惩罚的Focal loss予以改进。现在的基于关键点检测的中心点确定一般采用高斯分布处理，而不是像DenseBox这样设置。示意图
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
