目标又多又密？多轮迭代的方式进行密集目标检测

最新推荐文章于 2024-08-15 09:26:18 发布

fahaihappy

最新推荐文章于 2024-08-15 09:26:18 发布

阅读量3k

点赞数 5

文章标签：深度学习计算机视觉人工智能机器学习算法

本文链接：https://blog.csdn.net/fahaihappy/article/details/118080596

版权

点击上方“AI搞事情”关注我们

❝
论文：IterDet: Iterative Scheme for ObjectDetection in Crowded Environments
代码：https://github.com/saic-vul/iterdet
❞

简介

2020年5月莫斯科三星AI研究院提出的文章，针对密集目标进行检测，密集目标检测的难点在于既要检测出不同的目标，又要抑制重复目标框的产生。作者提出了一种「迭代检测」的方案，不论单步检测器还是多步检测器，只需要在训练和推理上做很少的修改，就能简单高效地检测出密集目标。

迭代检测，不用保证每次迭代的召回率，早期，检测部分目标子集，后期将检测的结果和图像再一次输入网络，使检出的目标不再被检测到，迭代检测出复杂的目标子集。

黄色框为二次迭代检测结果

方法

模型结构

如何迭代

，输入图像：，history map 为空，检测器将输入和映射为一系列边框。

「history map 映射方式」：每个像素点的目标个数。

，输入图像：，history map 由映射而得，检测器将输入和映射为一系列边框；

结束标志：以此类推，直到达到迭代次数或当前迭代未检测到新目标，即时，结束迭代。

那么最后的检测结果就是每次迭代检测出的目标的全集，即：

要想实现上述方案，有两点必须解决：1）如何将一个检测器转换为对历史检测敏感的新检测器；2）如何让新检测器在不同的迭代下检测出不同的目标子集。

训练过程

随机地将标注目标框分为：和两个集合，且，将制作为history map ，使得模型训练来利用已有的目标框信息，预测缺失的目标框集合，同时，通过不同随机划分和，还可以达到了数据增强的效果。

数据集：

AdaptIS：包含两个子集Toy V1和Toy V2，用于实力分割任务而生成的数据集，现有标注可以使其用于目标检测，且每张图片平均有30个目标，大部分有重叠情况，绝对是一个密集目标检测的数据集。
「Toy V1」：训练集、验证集分别有2000和10000张图像，大小为：96×96。
「Toy V2」：训练集、验证集和测试集分别有25000, 1000和1000张，图片大小为128×128。

样例数据

「CrowdHuman」：训练集、验证集和测试集分别有15000, 4370和5000张图片，平均每张图的人物数量达到了22.64个，远大于其他主流的人体检测数据集，其中，每个目标有三个标注框：full body, visible body 和 head。官网：www.crowdhuman.org

同人体检测数据集的容量、密度和多样性（为了公平比较，只显示训练子集的统计信息）

图片样例

「WiderPerson」：训练集、验证集和测试集分别有8000,1000和4382张图片，共5个类别：pedestrians, riders, partially visible persons, crowd 和 ignored regions。作者在训练和测试时，将后四类合并为了一类。
官网：www.cbsr.ia.ac.cn/users/sfzhang/WiderPerson

不同场景和密度的样例

实现细节

采用香港中文大学-商汤科技联合实验室开源的基于Pytorch实现的深度学习目标检测工具箱mmdetection，仓库地址：
https://github.com/open-mmlab/mmdetection
，预训练模型包含单步检测器的RetinaNet和两步检测器FasterRCNN，两者的BackBone均采用ResNet-50的默认训练参数，优化器采用Adam，学习率learning rate为0.0001 。

此外，作者修改了两个个地方：1）FPN中每个卷积层之后添加了Batch Normalization；2）未冻结ResNet的第一个block，因为在这个block之前添加了历史映射和可训练的卷积层。

实验指标与结果如下：