目标检测 | Anchor free的目标检测进阶版本
作者：Edison_G
扫描二维码 关注我们
微信公众号 : 计算机视觉研究院
知乎专栏：计算机视觉战队
今天说的是《Soft Anchor-Point Object Detection》，其也是最近关于anchor free的目标检测的论文，作者来自于CMU，一作同样也是FSAF（2019 CVPR）的作者。该论文的出发点还是在样本选择和FPN特征选择层面。
背景
Anchor free是目标检测领域的一个研究热点，其主要可以分为anchor-point和keypoint两类。后者在往往在一个高分辨率的特征图上进行检测，其优点是准确率高，但是计算量大。而anchor-point的方法往往在多个分辨率上进行检测，结构简单，速度更快。作者认为anchor-point的方法性能不高主要还是在于训练的不充分，主要是注意力偏差（attention bias）和特征选择（feature selection）。因而作者提出了两种策略：1）soft-weighted anchor points对不同位置的样本进行权重分配，2）soft-selected pyramid levels，将样本分配到多个分辨率，并进行权重加权。
方法框架
整体框架其实和FSAF是类似
●Soft-Weighted Anchor Points ●
清晰的目标更容易获得关注和更高的分数，而边缘或者被遮挡的目标比较难检测。具体的问题如下：
上图中有五个足球运动员，分类输出的得分图score map如图b所示，可以看到有两个运动员的得分区域占了主导地位。甚至这两个运动员的得分区域还侵占了其他运动员的得分区域。
作者认为引起该问题的主要原因是特征不对齐，位于gt边缘的anchor和位于中心的anchor不应被同等对待。解决思路就是对不同位置的样本引入不同的权重，其离gt的中心越近，其权重越高，离gt中心越远，其权重越低（因为边缘往往意味着包含很多背景信息）。从而引入了广义中心度来确定权重：
概述我们的训练策略与h soft-weighted anchorpoints和soft-selected pyramid levels。黑条表示正锚定点对网络损耗贡献的指定权重。
●Soft-Selected Pyramid Levels ●
该问题实际上在FSAF中也研究过，即如何选择合适的分辨率（尺度）来进行目标的检测。FSAF是通过loss来选择合适的分辨率。该论文同时也借鉴了FoveaBox将一个anchor映射到多个分辨率进行检测的思想（实际上工程中也会用到）来提升性能。同时作者还给不同的分辨率分配不同的权重。具体地，作者额外训练了一个子网络来预测不同尺度的权重，该网络具体为：
而该子网络的输入，是在不同分辨率上利用roialign提取gt（ground truth）的特征，并concat起来。
实验结果
作者和FSAF（基于anchor-free分支）进行比较，soft-weighted anchor points（SW）策略提升了1.1个点，soft-selected pyramid levels（SS）提升了1个点。作者还采用了BFPN（2019 CVPR Libra RCNN中的特征融合策略）进行了加强，还能有性能提升。
可视化结果
论文最好的性能是47.4，在R50上也达到了41.7。
总结
作者在FSAF的基础上进一步地分析了现有的两个问题：注意力偏差和特征选择问题。前一个问题通过对不同样本加权实现，后一个问题通过对不同分辨率加权实现，论文讲述清晰，思路简单。同时也要注意到，该论文特征选择预测网络的训练问题，工程上是否真的有效还需进一步地尝试验证。
论文地址：https://arxiv.org/pdf/1911.12448.pdf
通知
计算机视觉战队正在组建深度学习技术群，欢迎大家私信申请加入！
加入“计算机视觉战队”，一起学习！（点击链接）
我们开创“计算机视觉协会”知识星球一年有余，也得到很多同学的认可，我们定时会推送实践型内容与大家分享，在星球里的同学可以随时提问，随时提需求，我们都会及时给予回复及给出对应的答复。
计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！
长按扫描二维码
关注我们 获取更多资讯