其他分享
首页 > 其他分享> > Guided Anchoring:在线稀疏anchor生成方案,嵌入即提2AP | CVPR 2019

Guided Anchoring:在线稀疏anchor生成方案,嵌入即提2AP | CVPR 2019

作者:互联网

Guided Anchoring通过在线生成anchor的方式解决常规手工预设anchor存在的问题,以及能够根据生成的anchor自适应特征,在嵌入方面提供了两种实施方法,是一个很完整的解决方案

来源:晓飞的算法工程笔记 公众号

论文: Region Proposal by Guided Anchoring

Introduction


  Anchor是许多目标检测算法中一个很重要的机制,但也会带来两个问题:

  为此,论文提出Guided Anchoring来根据图片特征在线生成anchor。首先判断目标可能出现的位置,然后学习不同位置上的目标的形状,可根据图片特征在线学习稀疏的候选anchor。然而,在线生成的anchor形状各异,固定的感受域可能不匹配其形状,所以Guided Anchoring根据anchor的形状进行自适应特征提取,然后再进行预测框精调与分类。

Guided Anchoring


  Guided Anchoring尝试在线学习不同形状的anchor及其位置,得到在特征图上不均匀分布的anchor集合。目标可用四元组$(x,y,w,h)$表示,其位置和形状可认为是服从图像$I$的一种分布:

  公式1包含两部分:1) 给定图片,目标仅存在于某些区域 2) 形状与位置紧密相关。

  基于公式1,论文设计了图1的anchor生成器(Anchor generation),包含位置预测和形状预测两个分支。给定图片$I$,首先得到特征图$F_I$,位置预测分支根据$F_I$预测该像素为目标位置的概率,形状预测分支则预测像素位置相关的形状,基于两个分支选择概率高于阈值以及每个位置最合适的anchor,得到最终的anchor集合。由于集合中的anchor形状可能差异很大,每个位置需要获取不同大小区域的特征,论文提出特征自适应模块(Feature adaption),根据anchor形状自适应提取特征。
  上述的生成过程是基于单个特征的,网络的整体架构包含FPN,所以为每层都配备Guided anchoring模块,模块参数是层间共享的。

Anchor Location Prediction

  位置预测分支预测特征图$F_I$的概率图$p(\cdot|F_I)$,每项$p(i,j|F_I)$为该位置是目标中心的概率,对应的输入图片中坐标$((i+\frac{1}{2})s, (j+\frac{1}{2})s)$,$s$为特征图的stride。
  在实现时,通过子网$\mathcal{N}_L$进行概率图预测,首先使用$1\times 1$卷积提取主干网络特征图$F_I$的objectness分数,再通过element-wise sigmoid函数转化概率。更复杂的子网可以带来更高的准确率,论文采用的是准确率和速度最实惠的结构,最后取高于阈值$\epsilon_L$的像素位置,能够保证在高召回的前提下过滤90%的无关区域。

Anchor Shape Prediction

  形状预测分支的目标是预测每个位置对应目标的最佳形状$(w,h)$,但由于过大的数值范围,如果直接预测其具体数字会十分不稳定,所以先进行转化:

  形状预测分支输出$dw$和$dh$,根据公式2转换出形状$(w,h)$,$s$为特征图的stride,$\sigma=8$为人工设置的缩放因子。这个非线性转换可将[0, 1000]映射到[-1, 1],更容易学习。在实现时,通过子网$\mathcal{N}_S$进行形状预测,首先使用$1\times 1$卷积获得两维特征图,分别对应$dw$和$dh$,然后通过公式2进行转换。由于每个位置的anchor都是学习来的,与预设的固定anchor对比,这种学习的anchor召回率更高。

Anchor-Guided Feature Adaptation

  常规的预设anchor方法由于各位置的anchor是一样的,可以对每个位置进行一样的特征提取,然后再调整anchor和预测分类。但Guided Anchoring每个位置的anchor各不一样,理想情况下,较大的anchor需要较大的感受域特征,反之则需要较小的感受域特征,所以论文设计了基于anchor形状的特征自适应模块(anchor-guided feature adaptation component),根据每个位置的anchor形状转换特征:

  $f_i$为$i$位置的特征,$(w_i, h_i)$为对应的anchor形状,$\mathcal{N}_T$为$3\times 3$可变形卷积,变形卷积的偏移值由$1\times 1$卷积将位置预测分支输出转换获得,$f^{'}_i$为自适应特征,用于后续的anchor调整以及分类预测,具体见图1。

Training


Joint objective

  网络的整体损失函数由4部分构成,分别是分类损失、回归损失、anchor位置损失以及anchor形状损失:

Anchor location targets

  假设目标$(x_g, y_g, w_g, h_g)$在特征图上的映射为$(x^{'}_g, y^{'}_g, w^{'}_g, h^{'}_g)$,定义以下三种区域:

  主干网络使用了FPN,FPN的每层应该只负责特定大小范围内的目标的训练。由于相邻层的特征相似,所以将IR区域映射到相邻层,这时的IR区域不考虑CR区域,区域内同样不参与训练,如图2所示。当多个目标重叠时,CR区域优先于IR区域,IR区域优先于OR区域,训练采用Focal loss。

Anchor shape targets

  首先,定义动态anchor $a_{wh}={(x_0, y_0, w, h)| w> 0, h > 0}$与GT间的最优问题为:

  如果对每个位置都进行公式5的求解,这计算量会相当大,为此,论文用采样的方法来逼近公式5,采样的范围为常见的anchor样例,比如RetinaNet的9种anchor。对于每个位置,选择IoU最大的anchor作为公式5的结果。采样的范围越大,anchor的生成结果更准,但会带来更多的额外计算量,anchor的采用smooth-L1训练:

The Use of High-quality Proposals


  将Guided Anchoring嵌入RPN得到增强型GA-RPN,与原版进行对比,从图3可以看到:

  从结果来看,GA-RPN的效果比RPN好很多,论文直接将RPN替换GA-RPN仅带来小于1的AP提升。根据观察发现,使用高质量候选框的前提是,需要根据候选框的分布来调整训练数据的分布。所以,在使用GA-RPN时,需要设置更高的正负样本阈值,让网络更加关注高质量的候选框。另外,论文发现GA-RPN也可以fine-tune的形式boost两阶段检测器的性能,给定训练好的检测模型,将RPN替换为GA-RPN进行几轮迭代,能带来不错的性能提升。

Experiments


  与各种候选框方法进行对比。

  嵌入效果对比。

  fine-tune对比。

Conclusion


  Guided Anchoring通过在线生成anchor的方式解决常规手工预设anchor存在的问题,以及能够根据生成的anchor自适应特征,在嵌入方面提供了两种实施方法,是一个很完整的解决方案。但有个不好的点在于anchor target的生成,为了保证性能弄得不够完美,希望有人能提出更准确且高效的公式5解决方案。



如果本文对你有帮助,麻烦点个赞或在看呗~
更多内容请关注 微信公众号【晓飞的算法工程笔记】

work-life balance.

标签:特征,Guided,位置,CVPR,形状,2019,anchor,RPN
来源: https://www.cnblogs.com/VincentLee/p/15006018.html