SAPD：FSAF升级版，合理的损失值加权以及金字塔特征选择 | ECCV 2020

针对anchor-point检测算法的优化问题，论文提出了SAPD方法，对不同位置的anchor point使用不同的损失权重，并且对不同的特征金字塔层进行加权共同训练，去除了大部分人为制定的规则，更加遵循网络本身的权值进行训练
 
来源：晓飞的算法工程笔记 公众号

论文: Soft Anchor-Point Object Detection

• 论文地址：https://arxiv.org/abs/1911.12448
• 论文代码：https://github.com/xuannianz/SAPD not official

Introduction

---

  Anchor-free检测方法分为anchor-point类别和key-point类别两种，相对于key-point类别，anchor-point类别有以下有点：1) 更简单的网络结构 2) 更快的训练和推理速度 3) 更好地利用特征金字塔 4) 更灵活的特征金字塔选择，但anchor-point类别的准确率一般比key-point类别要低，所以论文着力于研究阻碍anchor-point类别准确率的因素，提出了SAPD(Soft Anchor-Point Detecto)，主要有以下两个亮点：

• Soft-weighted anchor points。anchor-point算法在训练时一般将满足几何关系的点设置为正样本点，其损失值权重均为1，这造成定位较不准确的点偶尔分类置信度更高。实际上，不同位置的点的回归难度是不一样的，越靠近目标边缘的点的损失值权重应该越低，让网络集中于优质anchor point的学习。
• Soft-selectedpyramid levels。anchor-point算法每轮训练会选择特征金字塔的其中一层特征进行训练，其它层均忽略，这在一定程度上造成了浪费。因为其他层虽然响应不如被选择的层强，但其特征分布应该与被选择层是类似的，所以可以赋予多层不同权重同时训练。

Detection Formulation with Anchor Points

---

  论文首先介绍了大致的anchor point目标检测方法的网络结构以及训练方法。

Network architecture

  网络包含主干网络以及特征金字塔，特征金字塔每层包含一个detection head，特征金字塔层标记为$P_l$，$l$为层数，层的特征图大小为输入$W\times H$的$1/s_l$倍，$s_l=2^l$为stride。一般，$l$的范围为3到7，detection head包含分类子网和回归子网，子网均以5个$3\times 3$卷积层开头，然后每个位置分别预测$K$个分类置信度以及4个偏移值，偏移值分别为当前位置到目标边界的距离。

Supervision targets

  对于目标$B=(c,x,y,w,h)$，中心区域为$B_v=(c,x,y,ϵw,ϵh)$，$ϵ$为缩放因子。当目标$B$被赋予金字塔层$P_l$且anchor point $p_{lij}$位于$B_v$内时，则认为$p_{lij}$是正样本点，分类目标为$c$，回归目标为归一化的距离$d=(d^l,d^t,d^r,d^b)$，分别为当前位置到目标四个边界的距离：

  $z$为归一化因子。对于负样本点，分类目标为背景($c=0$)，定位目标为null，不需要学习。

Loss functions

  网络输出每个点$p_{lij}$的$K$维分类输出${\hat{c}}_{lij}$以及4维位置回归输出${\hat{d}}_{lij}$，分别使用focal loss和IoU loss进行学习：

  网络整体损失为正负样本点之和除以正样本点数：

Soft Anchor-Point Detector

---

  SAPD的核心如图3所示，分别为Soft-Weighted Anchor Points以及Soft-Selected Pyramid Levels，用于调整anchor point权重以及使用特征金字塔的多层进行训练。

Soft-Weighted Anchor Points

• False attention

  基于传统的训练策略，论文观察到部分anchor point输出的定位准确率较差，但是其分类置信度很高，如图4a所示，这会造成NMS过后没有保留定位最准确的预测结果。可能的原因在于，训练策略平等地对待中心区域$B_v$内的anchor point。实际上，离目标边界越近的点，越难回归准确的目标位置，所以应该根据位置对不同的anchor point进行损失值的加权，让网络集中于优质的anchor point的学习，而不是勉强网络将那些较难回归的点也学习好。

• Our solution

  为了解决上面提到的问题，论文提出soft-weighting的概念，为每个anchor point的损失值$L_{lij}$增加一个权重$w_{lij}$，权重由点位置和目标的边界决定，负样本点不参与位置回归的计算，所以直接设为1，完整的权值计算为：

  $f$为反映点$p_{lij}$与目标$B$边界远近的函数，论文设置$f$为centerness函数$f(p_{lij},B)=[\frac{min(d_{lij}^l,d_{lij}^r)min(d_{lij}^t,d_{lij}^b)}{max(d_{lij}^l,d_{lij}^r)max(d_{lij}^t,d_{lij}^b)}{]}^{\eta }$

  $\eta$为降低的幅度，具体的效果可以看图3，经过Soft-Weighted后，anchor point的权值变成了山峰状。

Soft-Selected Pyramid Levels

• Feature selection

  anchor-free方法在每轮一般都会选择特征金字塔的其中一层进行训练，选择不同的层的效果完全不同。而论文通过可视化发现，不同层的激活区域实际上是类似的，如图5所示，这意味着不同层的特征可以协作预测。基于上面的发现，论文认为选择合适的金字塔层有两条准则：

• 选择需基于特征值，而非人工制定的规则。

• 允许使用多层特征对每个目标进行训练，每层需对预测结果有显著的贡献。

• Our solution

  为了满足上面两条准则，论文提出使用特征选择网络来预测每层对于目标的权重，整体流程如图6所示，使用RoIAlign提取每层对应区域的特征，合并后输入到特征选择网络，然后输出权重向量。效果可看图3，金字塔每层的权值的山峰形状相似，但高度不同。需要注意，特征选择网络仅在训练阶段使用。

  特征选择网络的结构十分简单，如表1，与检测器一起训练，GT为one-hot向量，数值根据FSAF的最小损失值方法指定，具体可以看看之前发的关于FSAF文章。至此，目标$B$通过权重$w_l^B$与金字塔的每层进行了关联，结合前面的soft-weighting，anchor point的权值为：

  完整的模型的损失为加权的anchor point损失加上特征选择网络的损失：

Experiment

---

  各模块的对比实验。

  与SOTA算法进行对比。

Conclusion

---

  针对anchor-point检测算法的优化问题，论文提出了SAPD方法，对不同位置的anchor point使用不同的损失权重，并且对不同的特征金字塔层进行加权共同训练，去除了大部分人为制定的规则，更加遵循网络本身的权值进行训练。

 
 
 

如果本文对你有帮助，麻烦点个赞或在看呗～
更多内容请关注 微信公众号【晓飞的算法工程笔记】