【有向目标检测】CSL环形平滑标签

论文地址： https://arxiv.org/abs/2003.05597v2
代码地址： https://github.com/open-mmlab/mmrotate
参考： https://zhuanlan.zhihu.com/p/111493759

1. 动机

1.1边界问题

目前流行的基于回归方式的角度预测方法或多或少都有边界问题，主要原因是理想的预测结果超出所定义的范围，导致产生一个较大的损失值。CSL通过将角度的回归问题转换成了一个分类问题，限制预测结果的范围来消除这一问题。

1.2现有分类编码局限性

简单的独热编码分类手段来处理存在几个问题：

1. 表示方法需要采用五参数的形式，而且角度是要180角度范围的（长边定义法），不然依然回存在边的交换性问题（EoE）
2. 目前的分类损失无法衡量预测结果和标签之间的角度距离，如图，如果$gt$是0度，预测1度和-90度损失值是一样的。

2.CSL(Circular Smooth Label, CSL)

2.1.误差分析

回归问题转换成分类问题是一个连续到离散的问题，在这个转换的过程中会有精度的损失，比如在一度一类的情况下（ $w$=1 ），无法预测出0.5度这种结果。

因此，需要先计算一下精度最大损失和平均损失（服从均匀分布），以确定这种损失对最后的结果影响大不大。

以一度一类的为例（ $w$=1 ），精度最大和期望的损失分别是0.5和0.25。假如，有两个相同的长宽比1:9的同中心的矩形，角度相差0.5和0.25，则他们之间的IoU只下降了0.05和0.02。

2.2CSL编码

针对独热编码的局限性，CSL编码通过设置窗口函数，来衡量预测值和GT之间的角度距离，即在一定范围内，越靠近真实值的预测值的损失值越小，并且引入周期性解决角度周期性问题，使得89和-90两个角度变成近邻。

CSL表达式：

窗口函数性质：

• 周期性

• 对称性

• 最大值

• 单调性

注意：当窗口函数窗口半径很小时，CSL等价于One-hot label。

3.3检测模型：

以RetinaNet为Baseline，将角度作为180分类分支。

• 回归框编码 （DeltaXYWHTRBBoxCoder）

• 多任务损失函数

其中N表示anchor的数量，$ob{j}_n$是一个二进制值（$ob{j}_n=1$表示前景，$ob{j}_n=0$表示背景，背景不回归）。 $v_{\ast j}^{‘}$表示预测的偏移向量，$v_{\ast j}$ 是 GT的目标向量。 ${\theta }_n$, ${\theta }_n^{‘}$分别表示角度的标签和预测。 $t_n$表示对象的标签，$P_n$是通过Sigmoid函数计算的各个类别的概率分布。 超参数 λ1、λ2、λ3 控制权衡，默认设置为 {1, 0.5, 1}。 分类损失 $L_{cls}$ 和$ L_{CSL}$ 是Focal Loss或 sigmoid CE Loss，取决于检测器。 回归损失 $L_{reg}$ 是Smooth L1 Loss。

注：角度有两个损失，回归以及分类损失都有。

3.实验结果

3.1.窗口函数

• 由于EoE问题的存在， 90-CSL-baesd方法总体不如 180-CSL-baesd方法；
• 基于高斯窗口函数的方法效果最好，而基于脉冲窗口函数（One-hot label）的效果最差，几乎预测不出角度值；

3.2.窗口半径

• 窗口半径的大小要适中，过小则会变成One-hot label形式，无法学到角度信息，过大则角度预测偏差会加大；
• 单阶段检测器比双阶段检测器对于窗口半径更加敏感，推测的原因是双阶段方法是基于instance-level的特征提取方法（RoI Pooling或RoI Align），这些方法提取到的特征会明显好于单阶段image-level的提取方式，使得双阶段检测方法可以区分更加小角度差的角度类别。

4.局限性

角度类别太多，会导致RetinaNet的head部分过于厚