coco数据集目标检测论文_2019AAAI目标检测论文DeRPN

关注"Smarter"，加" 星标 "置顶

及时获取最优质的CV内容

背景：

DeRPN: Taking a further step toward more general object detection是2019 AAAI的paper，作者来自于华南理工大学。

论文地址：

https://arxiv.org/pdf/1811.06700v1.pdfarxiv.org

代码地址：(之后会开源)

HCIILAB/DeRPNgithub.com

一、研究动机

目前主流的目标检测方法都会采用anchor，而anchor的设计会直接影响到检测结果的好坏。在两阶段方法中，RPN中的anchor都是以一组四维向量表示，  ，并在此基础上去调整和学习region proposal。事实上，同时学习四维向量的目标框，相对而言比较困难，而且针对比较极端的情况或者数据集，很难进行匹配。该论文通过维度分解的方法，将四维向量的学习分解为两个独立的二维向量的学习，分别降低了各自学习的难度，最后再重新进行组合。同时论文在该机制上，还提出了新的损失函数以应对不平衡问题。

二、具体方法

整体框架如图一所示。

首先是对原有的RPN进行建模：

公式很好理解，x代表输入，  代表回归框的一支，  代表对框的分类(二分类，是否为目标框)的一支。

DeRPN则是将四维向量  分解成  和(  )分别进行回归和分类，上述公式则转换为：

最后再进行合并计算总的回归框和置信度：

思想相对比较简单，不做赘述，重点是具体的几个实现问题：

1)anchor strings

实际上框的检测分解为了x方向线段和y方向线段的回归，假设线段的长度为l，则负责回归  长度范围内的线段，对于x和y方向分别设置{16,32,64,128,256,512,1024}，则总共覆盖了  之间的长度，同时x方向和y方向各是7个anchor string，组合总共有49个anchor。

2)标签分配

在传统RPN方法中，可以直接通过IoU来判断，将真值框分配给anchor。在DeRPN，则需要通过线段的长度来分配：

注意公式是一个并集，所以有两种方式：

1)直接根据长度，最接近真值框长和宽对应的anchor长和宽会被分配会正例；

2)对于那些真值框正好处在两条anchor线段中间的情况，那么这两条anchor都会被作为正例。(例如真值框的长度为  附近,那么16和32都会被作为正例)。

除此以外，通过将将长宽进行组合，再通过IoU判断，如果IoU大于0.6，那么对应的长宽也会被作为正例。

3)分类和回归的子网络

具体结构就是3x3的卷积后分别接1x1的卷积进行分类和回归，见图一。

4)损失函数

由于不同长度的线段样本会极度不平衡(正常数据集中，极长和极短的线段会较少)，所以会加入权重来处理不平衡机制。如公式中的  代表对应线段长度的数目，即为调整的权重。

5)组合机制

组合机制比较简单，两两组合，而置信度则采用两者的调和平均值：

(个人觉得这种做法会一个问题，对于两个目标重合的情况，例如长宽分别为(16，16)和(32,32)的两个目标，在组合的时候会出现四个高分框，(16,16)，(16,32)，(32,16)和(32,32))，可能需要通过后续的分类才能进行滤除。

三、实验结果：

从表1可以看到，从召回率看，DeRPN框的质量更高，在IoU为0.75的情况下，召回率提升了7个点以上。(这也可以理解，因为独立两个变量检测，回归可能更加容易。)

在COCO数据集上，提升了1个点左右，相对而言不是很大，同时25.5%的mAP也不是很高。(对比我们上一篇张凯：GA-RPN(Region Proposal by Guided Anchoring)论文阅读笔记 GA-RPN 39.8%的mAP)。

论文还做了其他数据集的实验。

四、总结分析

优点：

将维度分解的方法引入到目标检测中，并提出了一套切实可行的方法，简单而巧妙。

缺点：

1)方法上，如第三部分所述，对于目标重合的情况，会产生无关的高分框，影响后续的检测。

2)结果上，提升不少很大，在COCO数据集上也没有更加充分对比的实验；

欢迎关注Smarter，喜欢的可以双击点赞在看~~