摘要
两阶段检测器在目标检测及行人检测任务中均处于当前最先进水平。然而，现有的两阶段检测器效率较低，因其在多个步骤中进行边界框回归，包括区域建议网络（Region Proposal Network, RPN）和边界框头部（Bounding Box Head）。此外，基于锚点（anchor-based）的区域建议网络在训练过程中计算开销较大。为此，我们提出F2DNet，一种新颖的两阶段检测架构，通过用我们提出的焦点检测网络（Focal Detection Network）替代原有的区域建议网络，并以快速抑制头部（Fast Suppression Head）取代传统的边界框头部，有效消除了现有两阶段检测器中的冗余计算。我们在多个主流行人检测数据集上对F2DNet进行了全面评估，与当前最先进的检测器进行了深入对比，并开展了跨数据集的泛化性测试，以验证模型在未见数据上的适应能力。实验结果表明，当仅在单一数据集上训练时，F2DNet在City Persons、Caltech Pedestrian和Euro City Persons数据集上的MR-2（最大召回率误差，即误检率）分别达到8.7%、2.2%和6.1%。在Caltech Pedestrian与City Persons数据集的严重遮挡场景下，通过渐进式微调（progressive fine-tuning），F2DNet的MR-2分别提升至20.4%和26.2%，展现出优异的鲁棒性。此外，与当前最先进方法相比，F2DNet在推理速度上具有显著优势，大幅降低了推理时间。相关代码与训练好的模型已开源，可访问 https://github.com/AbdulHannanKhan/F2DNet 获取。