原文鏈接

論文地址：https://arxiv.org/pdf/1901.03278.pdf

代碼地址：GitHub - open-mmlab/mmdetection: OpenMMLab Detection Toolbox and Benchmark

1.RPN

RPN即Region Proposal Network，是用RON來選擇感興趣區(qū)域的，即proposal extraction。例如，如果一個(gè)區(qū)域的p>0.5，則認(rèn)為這個(gè)區(qū)域中可能是80個(gè)類別中的某一類，具體是哪一類現(xiàn)在還不清楚。到此為止，網(wǎng)絡(luò)只需要把這些可能含有物體的區(qū)域選取出來就可以了，這些被選取出來的區(qū)域又叫做ROI（Region of Interests），即感興趣的區(qū)域。當(dāng)然RPN同時(shí)也會(huì)在feature map上框定這些ROI感興趣區(qū)域的大致位置，即輸出Bounding Box。

RPN詳細(xì)介紹：https://mp.weixin.qq.com/s/VXgbJPVoZKjcaZjuNwgh-A

2.Guided Anchoring

通常用（x,y,w,h）來描述一個(gè)anchor，即中心點(diǎn)坐標(biāo)和寬高。文章將anchor的分布用條件概率來表示，公式為：

p(x,y,w,h|I)=p(x,y|I)p(w,h|x,y,I)

兩個(gè)條件概率的分布，代表給定圖像特征之后anchor的 中心點(diǎn)概率分布 ，和給定圖像特征和中心點(diǎn)之后的 形狀概率分布 。這樣看來，原來我們所獲取anchor的方法就可以看成上述條件概率分布的一個(gè)特例，即p(x,y|I)是均勻分布而p(w,h|x,y,I)是沖激函數(shù)。

根據(jù)上面的公式，anchor的生成過程可以分解為兩個(gè)步驟，anchor位置預(yù)測(cè)和形狀預(yù)測(cè)。

論文中用到的方法如下：

這個(gè)框架就是在原始的RPN的特征圖基礎(chǔ)上，采用兩個(gè)分值分別預(yù)測(cè)anchor的位置和形狀，然后再結(jié)合到一起得到anchor。之后采用一個(gè)Feature Adaption模塊進(jìn)行anchor特征的調(diào)整，得到新的特征圖供之后的預(yù)測(cè)使用（anchor的分類和回歸）。整個(gè)方法可以端到端訓(xùn)練，而且相比之前只是增加了3個(gè)1×1 conv 和一個(gè)3×3 deformable conv，帶來的模型參數(shù)量變化很小。

（1）位置預(yù)測(cè)

位置預(yù)測(cè)分支的目標(biāo)是預(yù)測(cè)哪些區(qū)域應(yīng)該作為中心點(diǎn)來生成anchor，也是一個(gè)二分類問題，但是不同于RPN的分類，我們并不是預(yù)測(cè)每個(gè)點(diǎn)是前景還是背景，而是預(yù)測(cè)是不是物體中心。

我們將整個(gè)feature map的區(qū)域分為物體中心區(qū)域、外圍區(qū)域和忽略區(qū)域，大致思路就是將groundtruth 框的中心一小塊對(duì)應(yīng)在feature map上的區(qū)域標(biāo)為物體中心區(qū)域，在訓(xùn)練的時(shí)候作為 正樣本 ，其余區(qū)域按照離中心的距離標(biāo)為忽略或者 負(fù)樣本 。最后通過選擇對(duì)應(yīng)概率值高于預(yù)定閾值的位置來確定可能存在對(duì)象活動(dòng)的區(qū)域。F1 對(duì)輸入的特征圖使用 1×1 的卷積，得到與 F1 相同分辨率的輸出，N_L 得到輸出的每個(gè)位置的值表示原圖I上對(duì)應(yīng)位置出現(xiàn)物體的可能性，也就是概率圖，最后通過選擇對(duì)應(yīng)概率值高于預(yù)定閾值的位置來確定可能存在對(duì)象活動(dòng)的區(qū)域。

通過位置預(yù)測(cè)，我們可以篩選出一小部分區(qū)域作為anchor的候選中心點(diǎn)位置，使得anchor數(shù)量大大降低。這樣在最后我們就可以只針對(duì)有anchor的地方進(jìn)行計(jì)算。

（2）形狀預(yù)測(cè)

形狀預(yù)測(cè)分支是目標(biāo)是給定anchor中心點(diǎn)，預(yù)測(cè)最佳的長(zhǎng)和寬，這是一個(gè)回歸問題。

采用1×1的卷積網(wǎng)絡(luò) N_s 輸入 F_1，輸出與 F_1 尺寸相同的2通道的特征圖，每個(gè)通道分別代表 dw 和 dh，表示每個(gè)位置可能的最好的 anchor 尺寸。雖然我們的預(yù)測(cè)目標(biāo)是 w 和 h，但是直接預(yù)測(cè)這兩個(gè)數(shù)字不穩(wěn)定，因?yàn)榉秶艽?，所以將空間近似 [0,1000] 映射到了 [-1,1] 中，公式為：

w=\\sigma \\times s \\times e^{dw},w=\\sigma \\times s \\times e^{dh}

其中 s 是步幅，σ 是經(jīng)驗(yàn)因子，實(shí)驗(yàn)中取 σ=8。實(shí)驗(yàn)中產(chǎn)生 dw，dh 的雙通道映射,通過這個(gè)方程實(shí)現(xiàn)了逐像素轉(zhuǎn)換。文章中直接用 IOU 作為監(jiān)督來學(xué)習(xí) w 和 h。

對(duì)于 anchor 和 ground truth 匹配問題，傳統(tǒng) RPN 都是直接計(jì)算 anchor 和所有 ground truth 的 IOU，然后將anchor 匹配給 IOU 最大的那個(gè) ground truth，但是現(xiàn)在由于我們的改進(jìn)，anchor 的 w 和 h 都是不確定的，是一個(gè)需要預(yù)測(cè)的變量。文中將這個(gè) anchor 和某個(gè) ground truth 的 IOU 表示為：

vIOU(a_{wh},gt)=\\max_{w>0,h>0}IOU_{normal}(a_{wh},gt)

我們不可能把所有可能的 w 和 h 遍歷一遍求 IOU 的最大值，文中采用了9組可能的 w 和 h 作為樣本，近似效果已經(jīng)足夠。

到這里我們就可以生成 anchor 了。這時(shí)所生成的 anchor 就是稀疏而且每個(gè)位置不一樣的。實(shí)驗(yàn)可得此時(shí)的平均 recall 已經(jīng)超過普通的 RPN 了，僅僅是增加了兩個(gè) conv。

（3）特征精調(diào)模塊

由于每個(gè)位置的形狀不同，大的anchor對(duì)應(yīng)較大感受野，小的anchor對(duì)應(yīng)小的感受野。所以不能像之前基于anchor的方法那樣直接對(duì)feature map進(jìn)行卷積來預(yù)測(cè)，而是要對(duì)feature map進(jìn)行feature adaptation。作者利用可變形卷積（deformable convolution）的思想，根據(jù)形狀對(duì)各個(gè)位置單獨(dú)進(jìn)行轉(zhuǎn)換。

方法就是把a(bǔ)nchor的形狀信息直接融入到特征圖當(dāng)中，得到新的特征圖去適應(yīng)每個(gè)位置anchor的形狀。這里就利用了上述的3×3的可變形卷積進(jìn)行對(duì)原始特征圖的修正，可變形卷積的變化量是通過anchor的w和h經(jīng)過一個(gè)1×1 conv得到的。

f'_i=N_t(f_i,w_i,h_i)

其中，fi 是第 i 個(gè)位置的特征，(wi, hi) 是對(duì)應(yīng)的 anchor 形狀。NT 通過 3×3 的變形卷積實(shí)現(xiàn)。首先通過形狀預(yù)測(cè)分支預(yù)測(cè)偏移字段 offset field，然后對(duì)帶偏移的原始 feature map 做變形卷積獲得 adapted features。之后進(jìn)一步做分類和 bounding box 回歸。

通過這樣的操作，達(dá)到了讓 feature 的有效范圍和 anchor 形狀更加接近的目的，同一個(gè) conv 的不同位置也可以代表不同形狀大小的 anchor 了。

文中實(shí)驗(yàn)結(jié)果示例：

學(xué)習(xí)更多編程知識(shí)，請(qǐng)關(guān)注我的公眾號(hào)：

[代碼的路]