视觉目标检测及分割任务中使用解耦头的好处

什么是解耦头？

在做实例分割时，我们需要输出分类置信度图和实例mask图；
在做目标检测时，我们需要输出目标的分类和边框位置；
所以，这两类任务都需要输出分类和位置！
采用两个不同的头解耦输出分类和位置，称为decoupled；
其中目标检测的解耦头如下图所示：

solov2的解耦头如下图所示：

为什么要用到解耦头？

因为分类和定位的关注点不同！
分类更关注目标的纹理内容！
定位更关注目标的边缘信息！

如上图所示分类更关注中心的内容区域，而边框回归更关注边缘信息！
有实验表明使用解耦头之后目标检测任务的精度提升了三个百分点~
具体分析说明详见：https://blog.csdn.net/jiacong_wang/article/details/120674145

版权声明：本文为CSDN博主「Jumi爱笑笑」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_39326879/article/details/122815812