CRNet: Rede de Raciocínio Guiada por Contexto para Detecção de Objetos Difíceis

Estudos recentes mostraram um desempenho impressionante na detecção de objetos. No entanto, a maioria dos detectores atuais explora apenas a característica de aparência para localizar e classificar objetos, ignorando ou subestimando as valiosas informações contextuais na imagem, o que limita o desempenho da detecção para aqueles objetos difíceis, como objetos pequenos, objetos ocluídos, objetos desfocados, etc. Neste artigo, buscamos construir uma nova estrutura de modelagem de contexto e realizar um raciocínio contextual mais eficaz para a detecção de objetos. Especificamente, projetamos uma Rede de Raciocínio Guiada por Contexto (CRNet) para explorar as relações entre objetos e usar objetos facilmente detectáveis para ajudar a entender os difíceis. Na nossa CRNet, uma imagem é modelada como um gráfico e as características locais dos objetos são vistas como nós do gráfico para aprender as relações entre os objetos. Ao passar informações contextuais no gráfico construído, as características dos objetos difíceis podem ser atualizadas para características discriminativas. Para isso, primeiro desenvolvemos um módulo de previsão de centro em cascata baseado no CenterNet para produzir um conjunto de propostas de alta qualidade vistas como nós do gráfico. Além disso, para maximizar o valor da informação de contexto global, apresentamos uma rede de fusão de características de multi-granulação para codificar toda a informação da cena, que também é vista como nós do gráfico. Então, as relações espaciais e semânticas entre os objetos são aprendidas para inicializar as arestas do gráfico. Finalmente, o raciocínio contextual é realizado para atualizar os estados dos nós iterativamente. Extensos experimentos foram realizados no MS COCO e Pascal VOC para demonstrar a eficácia da proposta CRNet. Resultados experimentais mostram que a CRNet proposta melhora significativamente o desempenho da detecção em relação aos detectores baseados em contexto existentes, e é comparável aos detectores de última geração.