期刊：IEEE Transactions on Circuits and Systems for Video Technology，2023

作者：邱荷茜；李宏亮；吴庆波；崔建华；宋子辰；王岚晓；张敏健

论文简介：在目标检测中，精确的目标表征是成功分类和定位图像中对象的关键因素。现有方法通常使用矩形锚框或一组点来表示对象。然而，这些方法要么引入了背景噪声，要么忽略了对象内部的连续外观信息，从而导致错误的检测结果。在本文中，该论文提出了一种新颖的无锚点目标检测网络，称为CrossDet++，它使用一组沿水平和垂直轴增长的交叉线作为对象表征。对象可以灵活地以不同组合的交叉线来表示，这启发该论文选择具有表现力的交叉线来有效减少噪声的干扰。同时，交叉线表征考虑了连续的相邻对象信息，这有助于增强对象特征的判别性并找到对象边界。基于学习到的交叉线，该论文提出了一个轴查询交叉线增长模块，以自适应地捕获交叉线的特征，并查询与线特征相关的周围像素以供后续交叉线增长。它们的增长偏移量和尺度可以通过解耦回归机制进行监督，该机制将回归目标限制在特定方向上，以降低优化难度。在训练过程中，该论文设计了一种语义引导的标签分配策略，以强调具有更高语义丰富度的交叉线目标的重要性，从而进一步提高检测性能。实验结果表明了该论文所提出方法的有效性。