新文预览 | IoU-aware Single-stage Object Detector for Accurate Localization

论文基于RetinaNet提出了IoU-aware sinage-stage目标检测算法，该算法在regression branch接入IoU predictor head并通过加权分类置信度和IoU预测值得到anchor的最终分数，从实验结果看来，算法能有效提升定位的准确率

论文:IoU-aware Single-stage Object Detector for Accurate Localization

• 论文地址：http://arxiv.org/abs/1912.05992

Introduction

---

 论文希望是在保持实时性的同时，提高one-stage检测器的准确率。论文认为，one-stage的性能之所以低，是因为分类分数与定位精度之间的低相关性导致的（其实不止one-stage detector，几乎所有的detector都存在这个问题）。在提取anchor后，分类分支与定位分支是相互独立的，造成分类与定位间的mismatch。而在推理时，IoU是缺失的，这带来两个严重的问题：

• NMS时，只能使用分类置信度来进行anchor排序，导致高IoU但低分类分数的anchor被过滤
• 计算AP时，依然是使用分类置信度进行排序计算的，高分类置信度但低IoU的anchor会降低高IoU阈值时的AP，（mAP计算）

 为了解决以上问题，论文在regression分支添加了一个同步的IoU预测head，基于提出IoU-aware single-stage目标检测算法。在训练的时候，IoU head与另外两个分支一起训练。而推理时，anchor的最终分数由分类置信度和预测的IoU相乘所得，并用于最后的NMS和AP计算

IoU-aware single-stage object detector

---

Model architecture

  如图1所示，IoU-aware single-stage目标检测算法主要基于RetinaNet，使用相同的主干和FPN。在regression分支，论文添加了一个IoU预测head(3x3卷积+sigmod激活层)，用于预测anchor的IoU($[0,1] $)。论文提到可以设计一个与分类和regression一样完全独立的分支，但这样的设计会影响模型的效率，添加head的方式能在带来最少额外计算下提升AP，是个不错的折中

Training

  跟RetinaNet一样，分类分支使用focal loss，regression分支使用smooth L1。由于IoU$\in [0,1]$，IoU分支使用二值交叉熵

Inference

  在推理时，每个anchor的分数计算方式如公式5，参数$\alpha$用于控制分类和IoU的权重。可以看出，最终分数能很好地关联分类置信度和定位准确率

Experiments

---

Implementation Details

  论文大部分的实验基于MS COCO，为了说明算法的通用性，对比实验（ablation studies）中补充了PASCAL VOC上的结果
  论文使用2张GPU配合 large minibatch sgd进行训练。在主要实验中，输入尺寸为$[800,1333]$，训练12个周期。在对比实验中，输入尺寸为$[600,1000]$，测试了不同backbone下的实验结果

Main Results

  为了公平起见，论文用MMdetection复现了部分对比的算法（带*的），结果如table1所示。从表可以看出，不同主干的IoU-aware RetinaNet能整体带来大约1.0%～1.6%的AP提升。在AP50时，性能提升不太稳定，而在AP75时，则能大幅提升1.7%~2.3%，这说明IoU-aware能有效地提高定位的准确率。此外，IoU-aware RetinaNet的性能已经超过了two-stage的Faster R-CNN，得益于其定位的高准确率

Ablation Studies

• IoU Prediction Loss

  论文进行了不同的IoU loss函数的实验，在实验时，最终的分数由预测的IoU和分类置信度直接相乘所得。baseline估计是RetinaNet，文中没提到。从结果可以看出，BCE loss的结果是最好的

• Detection Confidence Computation

  论文对$\alpha$的值进行了实验，实验使用IoU predictor+BCE loss，仅改变最后分数计算时的权重。如Table 3和Table4所示，实验结果有以下几点：

1. 当$\alpha =1$(即仅用分类置信度)时，AP提升0.2%，这说明multi-task训练对模型是有作用的
2. 当$\alpha =0.5$和$\alpha =0.4$时，AP达到最高，AP50提升0.4%-0.8%，AP70和AP80提升2.0%～2.7%，说明论文提出的方法提升了IoU的准确率
3. 当$\alpha$降低时，AP70和AP80在提升，说明预测的IoU与定位准确率十分有关系。此外，若将预测的IoU和分类置信度直接相乘，结果也是很明显的，AP提升1.1%

• Ablation Studies on PASCAL VOC

  在PASCAL VOC上，IoU-aware RetinaNet能大约提升1.1%～2.2%AP，说明论文提出的算法在其它训练集也有实用性

Conclusions

---

  论文提出IoU-aware single-stage目标检测算法，添加IoU prediction head以及加权得分来解决分类置信度与定位准确率之间的mismatch问题。从实验结果看来，该算法是有效的
 
 
 
 

笔者补充

---

  这篇论文是一篇arxiv上的初稿，论文提出的IoU predict head以及联合分类分数输出最终结果是一个不错的trick，加到别的算法中应该也能很好地提升AP。但论文整体看起来需要更多的亮点来支撑，特别是$\alpha$值的提出和实验，结果跟直接相乘差不多，感觉不够惊艳，希望后面能看到对这篇文章更好的补全

参考文章

• mAP计算： https://www.zhihu.com/question/53405779

写作不易，未经允许不得转载～
更多内容请关注个人微信公众号【晓飞的算法工程笔记】