[论文阅读笔记] [Object Detection] 201807_PerformanceComparison_forRecognizingBirdsinAerialImages

[Object Detection] <<Performance Comparison of Deep Learning Techniques for Recognizing Birds in Aerial Images>>

2018-8-29, jingwenlai

 

当前Object Detection的挑战主要是小物体检测不够精准。

数据集： Little Birds in Aerial Imagery(LBAI)， 包含10px ~ 40px的小物体

采用方法： - (Object Detection) YOLOv2, SSH, Tiny Face

- (Semantic Segmentation) U-Net, Mask R-CNN

结论： SSH对于简单样本效果最好，Tiny Face对于困难样本表现最好。

U-Net效果略优于Mask R-CNN

 

此文的综述值得一看，基本把two-stages & one-stage的演进讲完了。最新的state-of-the-art工作是

RetinaNet & YOLOv3, 此外，针对小物体的识别，Tiny Face & SSH目前是较好的方法。

 

本文主要贡献是对LBAI数据，使用不同经典方法对其检测，并比较各种不同经典算法的性能。

1. SSD： 采用官方的代码，结果对小物体检测效果不好，未计入比较。

2. SSH： 基于SSD的变种，通过Conv时改变stride增加感受野，增加上下文信息的方式来改进准确率，在人脸检测中达到经典效果并且速度较快。本文同样采用官方的caffe代码并且给出训练参数。

3. YOLO v2: 采用darknet源码，并给出训练参数。（便于复现结果）

4. Tiny Face: 上下文信息对检测小物体非常重要。其用于人脸检测获得了经典结果，并且，对于小人脸mAP达到82%,远高于此前29~64%mAP的结果。但因其pyramid的管线（用于增大感受野及上下文信息）导致速度较慢。文中同样给出使用官方源码及其训练参数。

 

5. U-Net: (Instance Segmentation): U-Net也是经典的结构。文中采用U-Net框架，但做了些更改，在每层conv块之后不裁剪感受野，而是通过zero-padding的方式填充，防止因LBAI小而丢失过多的像素标记信息。因LBAI数据量过多，若逐像素标记，工作量巨大，这里一个小技巧是，直接将标记框作为ground truth(这个是因为目标任务是类Object Detection任务）。同样，给出了具体的训练参数。

6. Mask R-CNN (Instance Segmentation):

 

LBAI包含230GB数据，源图分辨率极大（5760x3840),不能直接输入CNNs, 采用裁切的方式。（这个与我们现在处理的一个项目类似）。原始数据只有每幅图的鸟的个数，没有bounding box, 文中自行标注，使用的标注工具为Sloth, 并进行预处理。Sloth仅标注点，然后用图像处理的方式将标注后鸟的轮廓找出来，并添加boudning box. 此外，还包括对难易样本的分类， 多样性等。

 

# 结果

使用评估方法采用precision, recall, F1 score (TODO: 这里的公式可以保存)

几种不同方法的比较， 各有优势， SSH在简单样本中准确率高，Tiny Face在困难样本中召回率高。

 

Ref:

1. SSH: ICCV2017, Single Stage Headless Face Detector.

2. Tiny Face: CVPR2017, Finding Tiny Faces.