Generalized Focal Loss V2利用分布统计特征估计定位质量

（一）Title

论文地址：https://arxiv.org/abs/2011.12885
代码地址：https://github.com/implus/GFocalV2

前言：GFLv1文章名：Generalized Focal Loss Learning Qualified and Distributed Bounding Boxes for Dense Object Detection。GFLv1已经很漂亮了，没想到GFLv2能利用分布的统计特征来进行定位质量估计，而且还取得优于卷积特征的效果，感觉作者太强了也。

（二）Summary

目前Localization Quality Estimation(LQE)在目标检测中是很Popular的一种做法，能够产生更加准确的rank scores用于NMS，从而提升性能。

通常的估计Localization Quality 的方法是通过分类分支或者回归分支的共享卷积特征来预测LQE分数(这说的是IoU-aware single-stage object detetor那篇文章，这篇文章在我的博客同样有论文阅读笔记)

本文中作者提出基于学习到的bounding box四个参数的分布来进行LQE(Localization Quality Estimation)

这个bounding box的分布在GFLv1(博客)中提到，并且很好地描述了bounding box的不确定性。

作者提出bounding box的统计分布和它真实的定位质量是高度相关的。

具有sharp peak的边界框分布通常对应于high localization quality

从上图中可以看出，峰越高表示的定位质量就越好，

因此在本文中作者利用上这个关系，作者提出了一个相当轻量级的Distribution-Guided Quality Predictor(DGQP)进行可靠的定位质量估计。从而产生了GFLv2，这是首个利用高度相关的统计表示方法进行的Localization Quality Estimation

性能表现

GFLV2 (ResNet-101)以14.6FPS取得了46.2的AP值，超过了baseline(43.6AP at 14.6 FPS)，在训练和测试阶段都没有损失效率。

文章的主要贡献点

• 首个将统计分布和定位质量估计结合起来的端到端的目标检测框架。
• GFLv2中的DGQP子网络很轻量级，基本上的cost-free的，但是同时在性能上可以提升AP指标。
• 使用多尺度测试，使得GFLV2取得了53.3的AP，在COCO数据集上。

（三）Research Object

目前研究者的工作主要集中在如何进行更加准确的LQE(定位质量估计)，大多数研究者的工作基于卷积特征进行定位质量的估计，在GFLv1中将定位质量(IoU)和classfication score进行联合表示，但是进行定位质量估计仍然使用的是卷积特征，在本文中，我们受到GFLv1中预测的box分布和Localization Quality之间强相关性的启发，提出利用分布统计来进行定位质量的估计。

（四）Problem Statement

目前进行定位质量估计(LQE)基本上是基于卷积特征(点，边界或者区域的特征)。我们从GFLv1得到的box分布中得到启发，可以基于box4个边分布的Top-1(峰值)来估计定位质量，两者之间是具有较强的相关性的。受上述box分布和定位质量之间强相关性的启发，作者提出一个非常轻量级的子网络sub-network，只有几十个(例如，64个)隐藏单元，在这些分布统计的基础上产生可靠的LQE分数，显著提高了检测性能。作者称这个轻量级的子网络为Distribution-Guided Quality Predictor(DGQP)

（五）Method

5.1 GFL(Generalized Focal Loss)v1

Quality Focal Loss

c ∈ { 1 , 2 , … , m } c \in\{1,2, \ldots, m\} c∈{ 1,2,…,m},其中$m$表示类别数，GFLv1利用类别分支来产生类别和IoU的联合表示，对应m个类别的输出分别为$\mathbf{J}=\left[J_1,J_2,\dots ,J_m\right]$，其中每一项为：
$$J_i=\{\begin{array}{ll}\mathrm{IoU}\left(b_{\text{pred}},b_{gt}\right),& \text{ if }i=c\\ 0,& \text{ otherwise }\end{array}$$

也就是利用真实的IoU的值来代替类别标签1.

Distribution Focal Loss

目前目标检测中用于描述bounding box的分布往往是$\delta$分布，或者高斯分布，在GFLv1中提出使用任意分布$P(x)$描述bounding box。对于回归目标我们看成是随机变量$Y$，我们限定Y的取值范围为$[y_0,y_n]$之间，那么我们计算分布对应的期望值为：
y ^ = ∫ − ∞ + ∞ P ( x ) x   d x = ∫