物体检测论文杂读-非常少

对物体检测的工作不是特别熟悉，特别是不同工作对应的性能还没有记住。

Feature Selective Anchor-Free Module for Single-Shot Object Detection

Mask Scoring R-CNN

Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression

[2019-ICLR] Feature Intertwiner for Object Detection[paper][code]

In this paper, we address this problem via a new perspective. For each category, it is assumed that there are two sets in the feature space: one with more reliable information and the other with a less reliable source. We argue that the reliable set could guide the feature learning of the less reliable set during training - in the spirit of student mimicking teacher’s behavior and thus pushing towards a more compact class centroid in the high-dimensional space

 

[2019-AAAI] Gradient Harmonized Single-stage Detector [paper]

出发点非常清晰的工作，核心的疑惑是训练的过程中gradient norm的分布是否符合作者给出的相应分布。one stage 存在正负样本的极度不平衡。难易样本也是个问题。作者首先分析了一个已经收敛的one-stage detector样本的gradient norm的分布，发现easy sample(下图左边)和very hard sample(下图右边)的密度非常高，所以用这个信息来调整sample的权重。跟focal loss比较不用调gamma,但是提高的也不是特别明显，COCO上用RetinaNet-FPN-ResNeXt-101可以做到41.6

[201901-arxiv-未理解]RetinaMask: Learning to predict masks improves state-of-the-art single-shot detection for free [paper]

测试的时候是free的，但是训练的时候改了一些模块，并且加了mask的模块，因此训练代价肯定更高。作者主要优化了三个模块，有些还不是很理解。

1 including additional hard examples in training

有些比较畸形的框（长宽比很大的框）在之前的工作由于满足不了IOU的要求，所有有可能作为负样本或者不考虑。作者对这些框降低了IOU的要求，可以说是算是一个trick吧

2 making the loss function adaptive and more stable

框回归一般都用Smooth L1 loss，好控制一些outlier的loss不会太大, 另外考虑到连续性和可导性，公式一般是这样的，beta一般取1

作者提出了一种方案可以自动调整beta,如下图。均值减标准差什么的还是可以理解，但是不太理解均值减方差的物理意义

3 integrating instance mask prediction for the first time

[2018-ECCV]CornerNet: Detecting Objects as Paired Keypoints[paper]

出发点：

大部分的one-stage detector 都需要anchor boxes，但是anchor boxes有两个缺点

1 anchor boxes的数量太多，比如在DSSD里面有40k,在retinaNet里面有100k。但是这么多里面只有少数的是正样本，很容易造成样本不均衡

2 anchor boxes引入了非常多的超参数和不同的设计，These include how many boxes, what sizes, and what aspect ratios.

方法：

这篇文章采用的是一种paired的关键点左上角点和右上角点形式来检测框。

1 embedding

当然可能由于有多个同样的物体，因此可能检测出多个点，那么需要一个embedding来让同一个物体的左上角点和右上角点的embedding距离最小。

2 正负样本设计

gt的一个点作为正样本，正样本附近的一些点也是负样本，不过这些点loss的权重要低些（高斯分布）

另外很显然这是一个样本不均衡问题，作者采用了focal loss，这个有点忘了，因为好像有报告指出focal loss的通用性不是很强

3  corner pooling

其实思想很简单，有些类似于做文字时候的global row pooling和global col pooling.

因为corner的点大部分都不在物体上。比如左上角，它得往右看和往下看能能决定位置，所以呢corner pooling就是一种很简单的截断pooling

4 offset真值怎么设计

看文章的图4，论文还会预测一个offset,但是关键是offset的gt或者在损失函数的体现好像完全没有提。