極市導讀本文是今年剛被CVPR接收的文章，關于CSL的優(yōu)化版本Densely Coded Labels （DCL），優(yōu)化了過于厚重的預測層以及對類正方形目標檢測的不友好。附有相關代碼與demo展示。 》》加入極市CV技術交流群，走在計算機視覺的最前沿

一、介紹

Densely Coded Labels （DCL）是 Circular Smooth Label （CSL）（https://zhuanlan.zhihu.com/p/111493759）的優(yōu)化版本。DCL主要從兩方面進行了優(yōu)化：過于厚重的預測層以及對類正方形目標檢測的不友好。

文章地址：

Dense Label Encoding for Boundary Discontinuity Free Rotation Detection

https://arxiv.org/abs/2011.09670

代碼地址：

DCL-Tensorflow

https://github.com/yangxue0827/RotationDetection

二、厚重的預測層

CSL編碼方式與獨熱編碼（one-hot）均屬于稀疏編碼（Sparsely Coded Label， SCL）。稀疏編碼的一個明顯缺點是需要較長的位數來進行編碼，以CSL為例，下面這種公式是其編解碼的具體過程：

CSL編解碼過程

其中 ， 和 分別表示角度范圍（默認是180）以及所劃分的角度類別。

那我們就可以計算出使用CSL編碼方式或獨熱編碼時的預測層厚度：

CSL編碼方式與獨熱編碼的預測層厚度計算公式

其中 表示anchor的數量。

而使用回歸進行角度預測時的預測層厚度僅為：

回歸方法的預測層厚度

以 為例，CSL編碼方式與獨熱編碼的預測層厚度是1620，而基于回歸的預測層厚度只有9。這使得基于稀疏編碼方法的參數量（Params）和計算量（GFlops）相比基于回歸方法增加了26.40%和32.34%，造成模型訓練和測試的效率低下，如下表所示。

參數量（Params）和計算量（GFlops）的比較

因此，如何減短編碼長度是提高模型效率的關鍵。因此我們想到了密集編碼方法（Densely Coded Label， DCL），主要編碼方法有二值編碼（Binary Coded Label， BCL）和格雷編碼 （Gray Coded Label， GCL），它們的預測層厚度計算公式如下：

二值編碼和格雷編碼的預測層厚度計算公式

同樣以 為例，它們所對應的預測層厚度只有72，只增加1.03%的參數量和1.26%的計算量，和回歸方法的效率幾乎一樣。下式是它們的編解碼過程，以二值編碼為例：

BCL編解碼過程

其中二值編碼和格雷編碼的編碼偽代碼：

二值編碼和格雷編碼的編碼偽代碼

盡管編碼長度大大減少，但會引入幾個其他問題。

第一問題是二值編碼在一定程度上失去了相鄰角度之間的“距離遠近”，也就是相鄰值之間的編碼結果可能發(fā)生巨大變化，沒有了CSL方法中強調的容忍性。比如，3和4在三位的二進制編碼結果分別為011和100，如下表所示。

十進制數所對應的三位二值編碼和格雷編碼

可以看到所有三個位置都發(fā)生了變化，導致兩個角度預測的誤差很大。而格雷碼沒有這樣的問題，這是因為在一組數字的編碼中，任何兩個相鄰數的格雷碼只有一位不同。由于最大值和最小值之間也只有一位數字不同，因此格雷碼也稱為循環(huán)碼。格雷編碼的缺點也很明顯，盡管相鄰角度之間的編碼形式差別不大，但是具有較大差異的角度的編碼差異也不是很明顯，例如1（001）和6（101）。

第二個問題是所劃分的角度類別數需要是2的指數倍才能保證每一種編碼都對應一種角度，否則會有大量冗余的編碼（盡管實驗驗證這個問題影響不大）。如果將180度范圍劃分為 個類別，則每個劃分間隔的范圍為 。根據CSL文章中的計算公式，理論期望誤差和最大誤差分別是 和 ，這種大小的誤差在是可以忽略不計的。

為了更好比較稀疏編碼和密集編碼，下圖就是一個具體例子：

稀疏編碼和密集編碼的比較例子

三、類正方形目標檢測的不友好

不管是CSL還是DCL，為了避免角度周期性（PoA）和邊的交換性（EoE）問題，它們均采用了“角度分類+長邊定義法”的組合。長邊定義法有這樣一個問題，他無法較好定義一個類正方形目標，如下圖所示：

類正方形檢測問題

圖的左邊是gt，右邊是一種“視覺可行”的預測結果，之所以說“視覺可行”是因為此時的計算誤差非常大。這個誤差主要來源于角度（類正方形目標兩邊近似相等，因此盡管wh的順序相反，誤差依然很?。Ｗ屑氂^察可以發(fā)現這兩種框的角度差約等于 。其實使用周期為90的定義方法對類正方形目標來說更加合適（如OpenCV定義法），長邊定義法有明顯的缺陷。我的另一篇文章GWD詳細討論了這種問題，有一句話概括長邊定義法出現這種問題的原因：目標長寬比的減小使得評估（IoU）和損失（ -norm）之間的不一致性逐漸被放大。

針對這個問題以及第一個問題中提到的容忍性的消失，我們設計了一個損失權重（ADARSW），具體公式如下：

ADARSW權重

具體的想法是通過預測和gt的十進制差值來引入容忍性，三角函數的引入來解決角度周期性和類正方形檢測問題（通過長寬比來調整 參數，從而調整三角函數的周期）。

四、實驗結果

下表是對角度離散化粒度 的消融實驗。盡管理論上越小，理論誤差越小，預測精度上限越高，但是會增加角度分類的難度。越大也不好，太大的話理論誤差太大，預測精度上限太低。一個合適的取值范圍是［180/32-180/256］。并且我們發(fā)現，基于分類的角度預測方法（CSL和DCL）比基于回歸方法在高精度 上更有優(yōu)勢，并且DCL比CSL效果更好，當然效率也更高。

角度離散化粒度的消融實驗

下表是對所提權重的消融實驗，主要列舉了DOTA數據集中10種長寬比比較小的類正方形目標，并驗證了ADARSW的有效性。

ADARSW的消融實驗

下表是在不同數據集上對三種不同方法的比較，我們發(fā)現BCL》CSL》Reg.。

其他數據集上的效果驗證

下面兩個表格是所提方法在兩種數據集上的SOTA對比，DCL-based方法具有一定的優(yōu)勢。

DOTA數據集上的SOTA方法對比

HRSC2016數據集上的SOTA方法對比

下圖是對DCL方法的所預測角度的特征可視化：

RetinaNet-DCL角度特征可視化

五、總結

基于角度分類預測的方法基本告一段落，CSL和DCL驗證了角度分類這條路子的可行性，那其實接下來可以研究如何更好分類，可以借鑒很多方向的分類損失設計，例如人臉識別。但是，這兩篇方法并沒有表現出角度分類這條路的優(yōu)越性，我所看到的優(yōu)勢僅僅是方法本身不存在邊界問題，也就是論文題目所寫的Boundary Discontinuity Free，但是代價是存在理論誤差以及模型參數量和計算量的增加。因此，最近我又回到了“角度回歸預測+新loss設計”這條路，一個工作是GWD（https://arxiv.org/abs/2101.11952），歡迎大家交流討論。

另外，簡單介紹一下我所寫的一個基于tensorflow框架的旋轉檢測benchmark：

https://github.com/yangxue0827/RotationDetection

支持的算法：RetinaNet、Faster-RCNN等baseline以及SCRDet （ICCV19）、R3Det （AAAI21）、RSDet （AAAI21）、CSL （ECCV20）、DCL （CVPR21）、GWD等創(chuàng)新方法；

支持的數據集：DOTA、HRSC2016、ICDAR2015、ICDAR2017 MLT、MSRA-TD500、UCAS-AOD、FDDB、OHD-SJTU、SSDD++；

提供大量不同的預訓練權重和訓練好的權重；

訓練可視化分析，以R3Det （AAAI21）為例：

SCRDet （ICCV19）：https://arxiv.org/abs/1811.071263Det （AAAI21）：https://arxiv.org/abs/1908.05612RSDet （AAAI21）：https://arxiv.org/abs/1911.08299CSL （ECCV20）：https://arxiv.org/abs/2003.05597DCL （CVPR21）：https://arxiv.org/abs/2011.09670GWD：https://arxiv.org/abs/2101.11952R3Det （AAAI21）：https://arxiv.org/abs/1908.05612

訓練可視化

統(tǒng)計量記錄

5. RotationDetection的總體框如下：

RotationDetection框架結構

6. demo：https://www.zhihu.com/zvideo/1289379563034636288
編輯：lyn