目录

• 1. motivation
• 2. anchor-point detection的网络框架
• 3. SAPD
• • 3.1 整体思路
  • 3.2 Soft-Weighted Anchor Points
  • • 3.2.1 motivation
    • 3.2.2 原理
  • 3.3 Soft-Selected Pyramid Levels
  • • 3.3.1 motivation
    • 3.3.2 原理
• 4. 实验
• 5. 总结

论文：Soft Anchor-Point Object Detection
时间及出处：CVPR 2020

1. motivation

研究label assignment问题

FSAF通过计算某个物体在各个特征层上的损失，动态地将该物体assign给损失最小的一层特征层，该做法存在2个问题：

• 只将物体assign给1个特征层可能是不合理的；
• 自适应label assignment的不彻底性：FSAF只实现scale dimension的自适应，并未实现spatial dimension的自适应，当某个物体assign给某一特征层后，后续还需要根据IoU来决定该物体具体应该由该层的哪一个anchor box来负责预测。

FCOS则与FSAF相反，FCOS使用center-ness可以在一定程度上实现spatial dimension的自适应，但在实现scale dimension时采用启发式方法，即，给每个特征层所预测物体的scale手动设置一个限制范围。

SPAD正是为了同时实现scale dimension和spatial dimension的自适应性而提出的。

• 实现spatial dimension的自适应性：anchor point在同一特征层的不同位置对loss的贡献是不同的，靠近object中心的anchor point具有更加准确的特征，靠近bounding box边界的anchor point则包含了较多的背景信息，于是，提出了soft-weighted anchor points，用于给每个anchor point生成一个损失权重。
• 实现scale dimension的自适应性：不同层之间的anchor point也是不同的，为了进行特征层选取，提出了soft-selected pyradmid levels为每一个特征层进行加权（用一个网络来产生）。

2. anchor-point detection的网络框架

• FPN结构（ P 3 P_3 P3​~ P 7 P_7 P7​），不同层级的detection head参数共享；
• 直接在特征图上输出$K$个类别的confidence map和4个与类别无关的bounding box offset map（分别表示该位置到边界框4条边的距离）；
• 以落入某个GT框内（或GT框中心区域）的anchor point为正样本，不落入任何GT框的anchor point为负样本；
• 分类损失使用focal loss，回归损失使用IoU loss；
  

3. SAPD

3.1 整体思路

3.2 Soft-Weighted Anchor Points

3.2.1 motivation

• 实验中发现，在使用NMS前，有一些anchor point会产生高分低定位精度的预测框（图(a)的红框），有些anchor point则产生低分高定位精度的预测框（图(a)的黄框），这样，在使用NMS之后，低分高定位精度的黄色预测框将被移除，保留下高分低定位精度的红色预测框，使得高IoU标准下的$AP$会比较低，如 A P 90 AP_{90} AP90​
• 原因是距离边界框边界比较近的anchor point，其对应的特征与物体特征没有对齐，这些anchor point的感受野通常包含过多的背景信息，对物体自身信息的关注不够，最终导致了比较低的定位精度。（猜想是由于能关注到物体的重点区域，所以分类置信度还比较高）。
• 虽然上述问题是label assignment的不足，但是在构造损失函数时直接将每个位置产生的损失直接相加，即每个anchor point的损失权重因子都是相等的，所以这是不合理的。
• 因此提出soft-weighted anchor points，对每个anchor point赋予不同的损失权重因子，物体边界框越近的anchor point的损失权重因子越大，这样可以使网络更加关注代表性强的重点区域，而减小对边界区域的关注。

3.2.2 原理

• 记第$l$个特征层中位置为$(i,j)$的anchor point为 p l i j p_{lij} plij​ ，其对应的损失权重因子 w l i j w_{lij} wlij​如下，
  其中，$B$表示某一GT框， B v B_v Bv​表示$B$的中心区域， f ( p l i j , B ) f(p_{lij},B) f(plij​,B)是FCOS中centerness的推广
  
• FCOS的centerness是通过添加centerness分支，由网络直接产生的。在构建centerness标签时，令$\eta =0.5$。FCOS论文中指出，若不使用centerness分支，而直接通过回归分支得出的边界框预测量来计算，最终的$AP$会下降4%左右，但SAPD直接计算却可以得到比较好的结果。
• 产生以上分歧的原因在于，FCOS在训练和测试时均需要用到centerness，而SAPD只在训练阶段将其作为损失权重，在测试时并不需要用到。作者做了对比实验来说明这个问题。使用centerness分支的输出作为损失权重的结果反而不好。
  

3.3 Soft-Selected Pyramid Levels

3.3.1 motivation

• 对各个输出特征图的可视化结果表明，各个特征层所关注的区域是非常相似的，特别是相邻特征层。这意味着使用多层特征层来预测同一个物体也是可行的，而1个物体只由某个特征层来预测的做法减小了对CNN特征提取能力的利用。
• 尽管似乎可以使用多层特征层来预测同一个物体，但每一个特征层预测物体的能力以及合适程度应该是不一样的，所以可以对各个特征层添加一个损失权重。
  

3.3.2 原理

SAPD使用一个简单的网络对每个特征层的每个位置产生一个损失权重。

• 给定一个物体边界框$B$和网络输出特征层 P 3 P_3 P3​~ P 7 P_7 P7​，利用RoIAlign对每个特征图提取RoI特征，所有RoI特征尺寸均为$256\times 7\times 7$。

• 对5个RoI特征按通道数叠加，得到$1280\times 7\times 7$的特征

• 将$1280\times 7\times 7$的特征输入特征选择网络中，网络将输出5个值，表示各自层的损失权重 w l B w_l^B wlB​，但最终只选择top-k个 w l B w_l^B wlB​，其余设置为0。

• SAPD的最终损失权重 w l i j w_{lij} wlij​为：
  

• SAPD的最终损失函数为：
  
  其中， L s e l e c t − n e t L_{select-net} Lselect−net​是特征选择网络的损失函数（分类损失）

• 特征选择网络的训练标签和损失函数如何构建的？
  对于物体$B$，按照FSAF的方法，将其assign给所有特征层，并计算各个特征层对应的损失，最小损失对应标签1，最大损失对应标签0，最终构成5维的one-hot vector，并使用交叉熵作为分类损失。

• RoIAlign和特征选择网络只在训练时用到，测试时不需要。

4. 实验

注：BFP是Libra R-CNN中的augmented feature pyramids

5. 总结

• SAPD结合了FCOS和FSAF的优点，同时实现scale dimension和spatial dimension的自适应性，但这种实现是分开的，无法做法统一的实现，AutoAssign统一地实现了scale dimension和spatial dimension的自适应性。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！