摘要
本文提出了一种名为Grid R-CNN的新颖目标检测框架，该框架采用了网格引导的定位机制以实现精确的目标检测。与传统的基于回归的方法不同，Grid R-CNN显式地捕捉空间信息，并充分利用全卷积架构的位置敏感特性。为了减少特定点预测不准确的影响，我们设计了一种多点监督方案，以便编码更多的线索，而不仅仅是依赖两个独立的点。为了充分利用网格中各点之间的相关性，我们提出了一种两阶段的信息融合策略，将相邻网格点的特征图进行融合。网格引导的定位方法易于扩展到不同的先进检测框架中。实验结果表明，在COCO基准测试中，与采用Res50主干网络和FPN架构的Faster R-CNN相比，Grid R-CNN在IoU=0.8时实现了4.1%的平均精度（AP）提升，在IoU=0.9时实现了10.0%的平均精度（AP）提升。