DeRPN: 一种基于维度分解的候选区域提取网络（AAAI 2019论文，附开源代码）
本文简要介绍AAAI 2019 论文“Lele Xie, Yuliang Liu, Lianwen Jin*, Zecheng Xie. DeRPN: Taking a further step toward more general object detection”的主要工作。该文提出了一种基于维度分解的候选区域提取方法（dimension-decomposition region proposal network，DeRPN），通过引入新颖的anchor strings，把目标的宽高解耦来分解检测维度，从而减轻目标形状变化对检测造成的影响。DeRPN可避免传统RPN网络对不同任务需要进行合适的anchor box调参问题，是一种更加通用的目标检测候选区域提取方法。在通用目标检测数据集（Pascal VOC 2007 & 2012，MS COCO）和自然场景文本检测数据集（ICDAR 2013，COCO-Text）上的实验表明，DeRPN的效果已经超越了传统的region proposal network（RPN）[1]。此外，本方法在不修改任何超参数、不做特别优化的情况下可直接应用于不同的任务和数据集上取得state-of-the-art的性能，具有极强的自适应性。论文相关代码已开源，下载链接见文末。
在深度学习的推动下，通用目标检测已经取得了快速的发展。相关研究者也对该任务的通用性寄予了更高的期望，致力于让模型能检测更多的物体类别，并能在不同的数据集或任务上都有良好的表现。然而，我们发现目前的检测算法并非很通用，当我们把目前state-of-the-art的算法运用于不同的数据集时，通常不可避免地要对它们的回归参考（regression references，在RPN中也叫做anchor boxes）进行重新设计。其主要原因在于RPN中的anchor boxes过于敏感，限制了检测算法的自适应性。为此，我们提出了维度分解的候选区域提取网络，引入新颖的anchor strings来替代传统的anchor boxes，以提升检测算法的自适应性。
图1、DeRPN的网络结构和流程
如图所示，DeRPN包含维度分解和维度重组两个步骤。维度分解中，我们引入anchor strings机制，让目标的宽高独立地与anchor strings进行匹配，以寻求最佳的回归参考。其中，每个anchor string只需要独立地应对数据集中目标宽（高）的n种变化即可，而先前的anchor box则要应对n2种目标框的变化。因此，通过这种维度分解，我们可以极大地降低匹配复杂度（O(n2)-->O(n)）。
为了将所预测的线段恢复成二维的候选区域（region proposal），我们需要做维度重组。论文提出了pixel-wise combination algorithm的维度重组算法，这种无监督的高效组合算法，可以让DeRPN精确地召回检测目标。
为验证DeRPN的自适应性，我们把DeRPN的超参数固定不变来进行下述所有实验。在不同数据集上的实验结果如表1-4所示。
表1、MS COCO检测结果。检测器为Faster R-CNN (VGG16)
表2、ICDAR 2013检测结果。数值表达含义为：recall / precision / F-measure
表3、在COCO-Text上的检测结果
表4、在Pascal VOC数据集上的检测结果（检测器为Faster R-CNN）
从表1-表4可见，本文提出的DeRPN方法取得了比传统RPN明显好的性能，特别是在高IoU情况下，DeRPN的性能优势十分明显（图2）。
图2、RPN和DeRPN的IoU分布
相同网络模型在不修改任何超参数的情况下，在COCO-Text数据集上与目前一些主流方法的评测对比结果如表5所示。
表5、 与专业的自然场景文本检测算法比较
场景文字检测部分可视化结果如图3所示。
图3、检测可视化结果。绿虚线为ground truth，黄线为DeRPN检测结果，蓝线为RPN检测结果
论文arXiv下载地址：https://arxiv.org/abs/1811.06700v1
开源代码下载地址：https://github.com/HCIILAB/DeRPN
[1] Ren, S.; He, K.; Girshick, R.; and Sun, J. 2015. Faster r-cnn: Towards real-time object detection with region proposal networks. In NIPS, 91–99.
本文作者简介：谢乐乐，华南理工大学在读硕士生，主要研究方向为目标检测、自然场景文本检测、计算机视觉。
（长按识别上图二维码加关注）