A Deep-Learning Approach for Parking Slot Detection on Surround-View Images

论文翻译
链接：https://pan.baidu.com/s/1q7Zh4Dm2KZkCfd08revs3w
提取码：keqe
下面介绍一些关于这篇文章的一些细节

概述

这篇文章主要是基于faster-rcnn来进行停车位的识别与检测。而我们知道，在汽车进行转向的时候，由鱼眼相机拼接后的图片里的停车位的方向不再是规则的四边形（矩形、正方形），因此如果直接用检测网络去检测的话，最后即使输出了停车位的位置，输出的目标位置的精度肯定是不能满足自动泊车的要求的，因此作者在faster-rcnn大的基础上进行了改进，主要包括以下几点：
1、基于anchor-free的思想，而不是anchor-base的思想，以输出不规则的四边形
2、采用fpn的基础网络，修改了fpn中金字塔的数目（具体在下面讲解）

文章anchor-free的思想

文章中作者说这个想法是受一篇文本检测的文章得启发，文末会给出这篇文章的名字。对于faster-rcnn的rpn网络，会以滑动窗口的形式在原图上形成anchors，这些anchors的形状都是规则的四边形，因此通过最小化偏移误差的形式更新rpn的输出参数，但是本文作者并没有采用这种方法，而是借鉴了下图这个方法：

上图的意思就是，对于特征图上的一点，总是对应于原图中的一点，而不是一系列anchors，也就是a图中的红点对应于b图中的红点，而他这里的位置偏移系数是按下面这种方法计算：

其中，gi是gt的四个顶点的坐标，r是原图中红点的坐标。
文中还说为了不产生歧义，对于图片的标注要统一按照顺时针的方式标注。我的理解就是如果每个标注的图像都是按照同样的顺序标注，那么在最小化损失函数进行更新参数的时候，模型更加的稳定，如果每个目标的都是按照不同先后顺序标注的话，对于网络来说它还要去学习这些不同标注方式的顺序（我这里有点说不清楚。。。）

fpn的改动

在fpn中，实在p2、p3、p4、p5中的每层都要输入进rpn网络，而作者这里只将上采样后最分辨率最高的特征图输入进了rpn网络：在环绕视图图像的停车槽检测中，我们可以推测盒子的大小或多或少是恒定的，使得多尺度方法变得多余。

其他的其实没有太多的注意！

最后给出前面说的论文：《An Anchor-Free Region Proposal Network for Faster R-CNN based Text Detection Approaches》