什么是物体检测“头”？

Question

我目前正在阅读SSD Single Shot Detector，并且有一个我很难理解的术语。该术语是“头”。当我听到这个词时，就像起初一样，我想到了网络的负责人。

我查看了由Google创建的对象检测API，发现带有不同头部类型的“ heads”文件夹，一种用于框编码，另一种用于类预测。

抽象的“ head”类的文档不是超级启发性的：

不同模型中所有不同种类的预测头都将从该类继承。所有头类之间的共同点是它们具有一个 作为其第一个参数predict接收的features函数。

我想我对它们有较高的了解，但是我对它们没有具体的定义。有人可以定义一个“头”并解释如何拥有“盒子预测头”或“分类头”吗？

Answer 1

在某些领域，“头”是某个事物的开始或开始的术语。在这个领域是不同的。在计算机视觉的许多任务中，通常使用“骨干”，通常在ImageNet上对其进行预训练。这样，将主干用作特征提取器，即可为输入提供特征图表示。现在，您已经拥有了这样的特征图，您需要执行实际的任务，例如检测，分割等。您通常通过在特征图上应用“检测头”来完成此任务，就像头附着在骨干上。

对于对象检测，您需要两种输出类型：分类置信度和边界框。它们可以是两个不同的解耦头（例如RetinaNet），也可以是计算两个输出的单个头（例如SSD）。在这两种情况下，您都需要指出解释输出的确切方法。例如，边界框回归输出，它们是否相对于锚？还是相对于整个图像？分类置信度-您是否在输出上使用softmax来接收置信度？等等