CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

栏目: 数据库 · 发布时间: 4年前

内容简介:除了本文解读的这两篇改进的源码都会在 Github 上放出,作者表示还在完善中,地址是:

推荐理由

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器 这是一篇浙江大学和香港中文大学发表于 CVPR 2019 的论文,这篇文章十分有趣,网友戏称:“无痛涨点,实现简单,良心 paper”,在我看来确实是这样的,没有太大的改造结构,不需增加计算成本的条件下,居然能涨两个点 mAP。

除了本文解读的 Libra R-CNN (天秤座 RCNN)[1],我记得陈恺他们港中文的实验室今年还中了一篇 CVPR 2019, Region Proposal by Guided Anchoring   [2],这篇也是不错的,看题目就知道是指导 anchor 的形状涨分的了。

这两篇改进的源码都会在 Github 上放出,作者表示还在完善中,地址是:

https://github.com/open-mmlab/mmdetection

三个不平衡

纵观目前主流的目标检测算法,无论SSD、Faster R-CNN、Retinanet 这些的 detector 的设计其实都是 三个步骤:

  • 选择候选区域

  • 提取特征

  • 在 muti-task loss 下收敛

往往存在着 三种层次的不平衡:  

  • sample level

  • feature level

  • objective level

这就对应了三个问题: 

  • 采样的候选区域是否具有代表性?

  • 提取出的不同 level 的特征是怎么才能真正地充分利用?

  • 目前设计的损失函数能不能引导目标检测器更好地收敛?

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

其实如果不对 detector 的结构做功夫的话,针对这些 imbalance 改进的其实就是为了把 detector 的真正功效给展现出来,就是如果把一个目标检测器 train 好的问题。

对应的三个改进

IoU-balanced Sampling

作者认为 sample level 的不平衡是因为随机采样造成的,Ross Girshick 后面提出了 OHEM(online hard example mining,在线困难样本挖掘)是一个 hard negative mining 的一种好方法,但是这种方法对噪音数据会比较敏感。随机采样造成的不平衡可以看下图:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

作者发现了如果是随机采样的话,随机采样到的样本超过 70% 都是在 IoU 在 0 到 0.05 之间的,有人会问不是随机吗?为什么大部分样本都落在了 IOU 较小的部分了呢?

因为样本的分布在 IoU 上并不是均匀分布的,生成候选框时随机采样会造成背景框远远大于框中 GT 的框,一张图这么大,是目标物体的区域只占很小一部分,背景占了绝大多数的位置,所以大部分样本都挤在了 IoU 在 0 到 0.05 的区间了。

作者觉得这里就是不科学的地方,统计得到的事实是 60% 的 hard negative 都落在 IoU 大于 0.05 的地方,但是随机采样只提供了 30%。所以作者提出了 IoU-balanced Sampling

随机采样就是比如你要选 N 个 hard negative,有 M 个候选框,选中的概率就是:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

如果一共还是要采样 N 个,通过 IoU 的值划分为 K 个区间,每个区间中的候选采样数为 CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器 ,则 IoU-balanced sampling  的采样公式即为:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

作者通过在 IoU 上均匀采样,把 hard negative 在 IoU 上均匀分布,在 COCO 数据集上达到的效果比 OHEM 的要好,并且这样简单很多。

Balanced Feature Pyramid

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

feature level 的不平衡表现在 low/high level 特征的利用上,如何利用不同分辨率的特征。具体分为四步:

  • rescaling

  • integrating

  • refining

  • strengthening

1. rescaling & integrating

假设 CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器 表示第 l 层特征,越高层分辨率越低,若有 CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器 的多层特征,C2 分辨率最高,我们知道低层特诊分辨率高往往学习到的是细节特征,高层特征分辨率低学习到语义特征,把四层特征 resize 到中间层次的 C4 的 size,然后后面再做简单的相加取平均操作:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

就是这样简单的操作并没有引入什么计算就可以实现,最终在 AP 上也得到了验证是有效的。

2. refining & strengthening

rescaling 后取平均提取到的的特征还可以进一步地 refine 成更 discriminative,作者这里用到了 non-local 模块,paper 中使用了 Gaussian non-local attention [4] 增强 integrate 后的特征。

就像 Figure 4 画的一样,这样提取的特征其实与 FPN 可以一同使用,是作为 feature pyramid 的补充,作为一种增强手段。

Balanced L1 Loss

Fast R-CNN  [5] 中是通过 multi-task loss 解决 Classification(分类)和 Localization(定位)的问题的,定义如下:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器 分别对应着分类和定位的损失函数,p, u 分别是 CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器 的预测和目标, CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器 是对应 u 类的回归结果。v 是回归目标。λ 用于在多任务学习下调整损失权重。 

之所以会提出 Balanced L1 loss,是因为这个损失函数是两个 loss 的相加,如果分类做得很好地话一样会得到很高的分数,而导致忽略了回归的重要性,一个自然的想法就是调整 λ 的值。

我们把样本损失大于等于 1.0 的叫做 outliers,小于的叫做 inliers。由于回归目标是没有边界限制的,直接增加回归损失的权重将会使模型对 outliers 更加敏感。

对于 outliers 会被看作是困难样本(hard example),这些困难样本会产生巨大的梯度不利于训练的过程,而 inliers 被看做是简单样本(easy example)只会产生相比 outliers 大概 0.3 倍的梯度。

首先我们看 Smooth L1 Loss:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

所以作者从常见的 Smooth L1 Loss 中推导出了 Balanced L1 Loss:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

它的梯度计算遵从下面的准则:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

作者从需求出发,想要得到一个梯度当样本在 |x|<1 附近产生稍微大点的梯度,作者设计了下面这个函数,从 Figure 5 可以看出 αln(b|x|+1) 大于 x。

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

根据梯度反求出 Lb(x) 表达式:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

还有很重要的一点就是为了函数的连续性,需要满足 x=1 时 Lb(1)=γ:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

其实意思就是 CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

这个函数不得不说非常妙,成功掰弯了梯度,我也不知道他怎么想出来的。

实验结果

在 COCO test-dev 数据集上与目前 state-of-the-art 的目标检测的方法对比,能比 Faster R-CNN、RetinaNet、Mask R-CNN 要高 2+ 的 AP。

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

三种解决方案的各种组合情况的对比实验:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

值得注意的是,作者对 IoU-balanced samping 做实验时对 K 的取值做了实验证明该方法对 K 的取值并不敏感,即对 IoU 分多少个区间并不敏感。

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

这是 IoU-balanced sampling 的候选框的可视化效果:

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

总结

paper逻辑清晰,紧紧抓住三个层次去做改进,三个问题对应三个解决方案,结构清晰一目了然,实验充分,相比两个单阶段和两阶段检测器的两个代表 Faster R-CNN 和 RetinaNet 分别高了 2+ 的 AP,图画得也不错,我觉得是篇好论文,而且应该是作者在比赛中实际运用到的才写出了这篇 paper,以后目标检测的比赛我觉得都可以参考这篇去做改进。

参考文献

[1]. Pang J, Chen K, Shi J, et al. Libra R-CNN: Towards Balanced Learning for Object Detection[J]. arXiv preprint arXiv:1904.02701, 2019.

[2]. Wang J, Chen K, Yang S, et al. Region proposal by guided anchoring[J]. arXiv preprint arXiv:1901.03278, 2019.

[3]. Shrivastava A, Gupta A, Girshick R. Training region-based object detectors with online hard example mining[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016: 761-769.

[4]. Wang X, Girshick R, Gupta A, et al. Non-local neural networks[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 7794-7803.

[5]. Ross Girshick. Fast R-CNN. In IEEE Conference on Computer Vision and Pattern Recognition, 2015.


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

深入浅出 MFC 第二版

深入浅出 MFC 第二版

侯俊杰 / 松岗 / 1997.05

深入浅出MFC是一本介绍 MFC(Microsoft Foundation Classes)程式设计技术的书籍。对於 Windows 应用软体的开发感到兴趣,并欲使用 Visual C++ 整合环境的视觉开发工具,以 MFC 为程式基础的人,都可以从此书获得最根本最重要的知识与实例。 如果你是一位对 Application Framework 和物件导向(Object Orien......一起来看看 《深入浅出 MFC 第二版》 这本书的介绍吧!

JS 压缩/解压工具
JS 压缩/解压工具

在线压缩/解压 JS 代码

CSS 压缩/解压工具
CSS 压缩/解压工具

在线压缩/解压 CSS 代码

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具