今天說的是《Soft Anchor-Point Object Detection》，其也是最近關(guān)于anchor free的目標(biāo)檢測的論文，作者來自于CMU，一作同樣也是FSAF(2019 CVPR)的作者。該論文的出發(fā)點(diǎn)還是在樣本選擇和FPN特征選擇層面。

背景

Anchor free是目標(biāo)檢測領(lǐng)域的一個研究熱點(diǎn)，其主要可以分為anchor-point和keypoint兩類。后者在往往在一個高分辨率的特征圖上進(jìn)行檢測，其優(yōu)點(diǎn)是準(zhǔn)確率高，但是計(jì)算量大。而anchor-point的方法往往在多個分辨率上進(jìn)行檢測，結(jié)構(gòu)簡單，速度更快。作者認(rèn)為anchor-point的方法性能不高主要還是在于訓(xùn)練的不充分，主要是注意力偏差(attention bias)和特征選擇(feature selection)。因而作者提出了兩種策略：1)soft-weighted anchor points對不同位置的樣本進(jìn)行權(quán)重分配，2)soft-selected pyramid levels，將樣本分配到多個分辨率，并進(jìn)行權(quán)重加權(quán)。

方法框架

整體框架其實(shí)和FSAF是類似

● Soft-Weighted Anchor Points ●

清晰的目標(biāo)更容易獲得關(guān)注和更高的分?jǐn)?shù)，而邊緣或者被遮擋的目標(biāo)比較難檢測。具體的問題如下：

上圖中有五個足球運(yùn)動員，分類輸出的得分圖score map如圖b所示，可以看到有兩個運(yùn)動員的得分區(qū)域占了主導(dǎo)地位。甚至這兩個運(yùn)動員的得分區(qū)域還侵占了其他運(yùn)動員的得分區(qū)域。

作者認(rèn)為引起該問題的主要原因是特征不對齊，位于gt邊緣的anchor和位于中心的anchor不應(yīng)被同等對待。解決思路就是對不同位置的樣本引入不同的權(quán)重，其離gt的中心越近，其權(quán)重越高，離gt中心越遠(yuǎn)，其權(quán)重越低(因?yàn)檫吘壨馕吨芏啾尘靶畔?。從而引入了廣義中心度來確定權(quán)重：

概述我們的訓(xùn)練策略與h soft-weighted anchorpoints和soft-selected pyramid levels。黑條表示正錨定點(diǎn)對網(wǎng)絡(luò)損耗貢獻(xiàn)的指定權(quán)重。

● Soft-Selected Pyramid Levels ●

該問題實(shí)際上在FSAF中也研究過，即如何選擇合適的分辨率(尺度)來進(jìn)行目標(biāo)的檢測。FSAF是通過loss來選擇合適的分辨率。該論文同時也借鑒了FoveaBox將一個anchor映射到多個分辨率進(jìn)行檢測的思想(實(shí)際上工程中也會用到)來提升性能。同時作者還給不同的分辨率分配不同的權(quán)重。具體地，作者額外訓(xùn)練了一個子網(wǎng)絡(luò)來預(yù)測不同尺度的權(quán)重，該網(wǎng)絡(luò)具體為：

而該子網(wǎng)絡(luò)的輸入，是在不同分辨率上利用roialign提取gt(ground truth)的特征，并concat起來。

實(shí)驗(yàn)結(jié)果

作者和FSAF(基于anchor-free分支)進(jìn)行比較，soft-weighted anchor points(SW)策略提升了1.1個點(diǎn)，soft-selected pyramid levels(SS)提升了1個點(diǎn)。作者還采用了BFPN(2019 CVPR Libra RCNN中的特征融合策略)進(jìn)行了加強(qiáng)，還能有性能提升。

可視化結(jié)果

論文最好的性能是47.4，在R50上也達(dá)到了41.7。

總結(jié)

作者在FSAF的基礎(chǔ)上進(jìn)一步地分析了現(xiàn)有的兩個問題：注意力偏差和特征選擇問題。前一個問題通過對不同樣本加權(quán)實(shí)現(xiàn)，后一個問題通過對不同分辨率加權(quán)實(shí)現(xiàn)，論文講述清晰，思路簡單。同時也要注意到，該論文特征選擇預(yù)測網(wǎng)絡(luò)的訓(xùn)練問題，工程上是否真的有效還需進(jìn)一步地嘗試驗(yàn)證。

論文地址：由于頭條的限制,需要請留言

總結(jié)

以上是生活随笔為你收集整理的目标检测_目标检测 | Anchor free的目标检测进阶版本的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。