「Computer Vision」Note on Grid R-CNN

QQ Group: 428014259
Sina Weibo：小锋子Shawn
Tencent E-mail：403568338@qq.com
http://blog.csdn.net/dgyuanshaofeng/article/details/84667027

作者：Xin Lu, Buyu Li, Yuxin Yue, Quanquan Li, Junjie Yan
单位：SenseTime Group Limited

0 摘要

提出网格R-CNN，其利用了网格引导定位机制。不同于传统基于回归(offset)的方法，Grid R-CNN显式捕捉空间信息，并且具有全卷积结构的位置敏感特性(position sensitive property)。【heatmap回归的优势】这句话"instead of using only two independent points"，是为了指出CornerNet的预测不准确，以及本文与CornerNet的不同：本文使用多点(9点)监督。在COCO上，与Faster R-CNN ResNet-50 FPN相比，在交叠率为0.8时，提升4.1%，在交叠率为0.9时，提升10.0%。【这里提到高交叠率这个条件，意味着什么？】

1 介绍

检测=分类+定位。在COCO上，与Faster R-CNN ResNet-50 FPN相比，Grid R-CNN好2.2%。

2 相关工作

CornerNet是自底向上一阶段方法。
Grid R-CNN是自顶向下二阶段方法。

3 Grid R-CNN

如图1所示，为网格R-CNN的框架概要。

图 1：Grid R-CNN

RoI特征用于分类和定位。定位不再使用基于回归相对位移的传统方法，而采用预测概率热图去确定检测框。

3.1 网格引导定位

下周细看

3.2 网格点特征融合

下周细看

3.3 扩展区域映射

下周细看

3.4 执行细节

略

4 实验

略

4.1 消融研究

多点监督 如原文Table 1，点越多，AP越高，但是会饱和。
网格点特征融合 如原文Table 2，融合模块有效。【暗示我们这些融合方式可以参考姿态估计论文】
扩展区域映射 如原文Table 3，简单扩边，对大物体有提升，可是对小物体有性能抑制影响。因此，扩展区域映射是需要的。对大物体具有较大的提升。

4.2 与世界一流方法比较

Pascal VOC 如原文Table 4，Grid好于FPN 3.6%AP，好于R-FCN 9.7%。
COCO 如原文Table 5，在ResNet-50, -101, -FPN上，Grid一致好于Faster。平均来说，大约有3个点提升。
COCO test-dev 如原文Table 6，Grid好于Mask和CornerNet，因为没有利用scaling和cascading，应该差于SNIP和Cascade。

4.3 分析和讨论

不同交叠率评价准则的准确率 如图5所示，在0.8和0.9的时候，网格R-CNN具有优势。而在0.5-0.7的时候，不具有优势。【原因是否是0.5-0.7，网格点碰触不到物体？还是Faster在足够准确的时候，offset难以提升？】本文作者的解释为分类分支影响了网格分支。

图 5：不同交叠率的准确率比较

不同类别的不同程度提升 如表7所示，提升较多的是长方形和类似长条形状的物体，比如键盘，手提电脑，电冰箱；下降较多或者不变的是圆形的物体，这些物体没有结构化边缘，比如球，碗，钟。未来会设计环形点去针对圆形的物体。

表7：提升和下降最多的前15类物体

定性结果比较 如原文Figure 6。

5 结论

scale selection，cascade techniques

[1] Grid R-CNN 2018 [paper]