摘要

在本文中，我们探讨了同时检测物体（如狗）及其语义部分（如面部、腿部等）的问题。我们的模型基于两个共享特征的Faster-RCNN模型构建，通过一种新颖的基于注意力机制的特征融合方法，将相关的物体和部分特征进行融合，以获得两者增强的表示。这些表示分别用于最终的分类和边界框回归。我们在PASCAL-Part 2010数据集上的实验表明，联合检测可以在平均精度均值（mAP）方面同时提高物体检测和部分检测的性能，当交并比（IoU）为0.5时。