Conocimiento Bóveda 5 /56 - CVPR 2020
Cerrando la Brecha Entre Detección Basada en Anclas y Sin Anclas a Través de la Selección Adaptativa de Muestras de Entrenamiento
Shifeng Zhang; Cheng Chi; Yongqiang Yao; Zhen Lei; Stan Li
< Imagen de Resumen >

Gráfico de Conceptos & Resumen usando Claude 3 Opus | Chat GPT4o | Llama 3:

graph LR classDef atss fill:#f9d4d4, font-weight:bold, font-size:14px classDef detection fill:#d4f9d4, font-weight:bold, font-size:14px classDef experiments fill:#d4d4f9, font-weight:bold, font-size:14px classDef released fill:#f9f9d4, font-weight:bold, font-size:14px A["Cerrando la Brecha
Entre Detección Basada en
Anclas y Sin Anclas a
Través de la Selección Adaptativa
de Muestras de Entrenamiento"] --> B["ATSS cierra la brecha entre detección basada en anclas y
sin anclas. 1"] A --> C["Detectores CNN: basados en anclas
y sin anclas. 2"] C --> D["RetinaNet, FCOS difieren en
muestras, regresión, anclas. 3"] A --> E["Definición positiva/negativa esencial,
inicio de regresión sin importancia. 4"] A --> F["ATSS selecciona muestras adaptativamente,
mejora el rendimiento. 5"] F --> G["ATSS: hiperparámetro robusto,
insensible a anclas. 6"] F --> H["Múltiples anclas pueden ser
innecesarias con ATSS. 7"] H --> I["El papel de múltiples anclas
necesita más estudio. 8"] A --> J["Códigos liberados en
la página del autor. 9"] A --> K["Explorar diferencias: detección basada en anclas
y sin anclas. 10"] class A,B,K atss class C,D detection class E,F,G,H,I experiments class J released

Resumen:

1.- ATSS (Selección Adaptativa de Muestras de Entrenamiento) cierra la brecha entre los métodos de detección de objetos basados en anclas y sin anclas.

2.- Los detectores de objetos basados en CNN actuales incluyen métodos basados en anclas (de una etapa y de dos etapas) y sin anclas (basados en el centro y en puntos clave).

3.- RetinaNet (basado en anclas) y FCOS (sin anclas) tienen marcos similares pero difieren en la definición de muestras de entrenamiento, el estado inicial de regresión y el mosaico de anclas.

4.- Los experimentos muestran que la definición de muestras positivas y negativas es una diferencia esencial, mientras que el estado inicial de regresión no lo es.

5.- ATSS selecciona adaptativamente muestras positivas y negativas basándose en las características estadísticas de los objetos, mejorando el rendimiento sin sobrecarga.

6.- ATSS tiene un hiperparámetro robusto y es insensible a la configuración de anclas.

7.- El mosaico de múltiples anclas por ubicación puede no ser útil después de aplicar una estrategia adecuada de selección de muestras como ATSS.

8.- El papel correcto del mosaico de múltiples anclas por ubicación necesita más estudio.

9.- Los autores proporcionan códigos liberados en la página del primer autor para que otros usen sus métodos.

10.- El trabajo tiene como objetivo explorar las diferencias esenciales entre los métodos de detección de objetos basados en anclas y sin anclas.

Bóveda de Conocimiento construida porDavid Vivancos 2024