RepPoints 論文筆記

前言 一直以來，在目標檢測中，邊界框是處理的基本元素：在圖像中先定位目標的邊界框，再從邊界框中提取特徵，最後基於邊界框裏提取的特徵進行目標的識別和推理。 但是，基於邊界框的目標表示也有一些缺點，它們只提供一個粗略的目標定位，並不完全擬合目標的形狀和姿態。此外，從邊界框的規則網格中提取的特徵可能會受到背景或包含少量語義信息的前景區域的嚴重影響。這些都會使提取的特徵質量變低，從而降低了目標檢測的分類性

>>阅读原文<<