SCRDet解读

SCRDet: Towards More Robust Detection for Small, Cluttered and Rotated Objects，2019，ICCV-A

SCRDet旨在解决：小目标检测，杂乱排列，任意方向检测这三个问题

网络整体架构：

1）文章首先提出：目标特征信息不足和anchor采样的不足会阻碍小目标检测，然后提出了会造成上述两个情况的原因：池化操作会使会小目标物体在深层丢失特征信息，高阶特征图中大的anchor采样步距会造成生成锚框时直接忽略小目标物体。于是提出了采样特征融合网络SF-Net结构来解决上述小目标检测问题：

SA是anchor stride，其实也就是特征图相对于原始图像的缩放因子，图片经过ResNet的C3、C4输出后再上采样将特征图大小缩放为F3的大小，及缩放因子为S；C3的那条通道上采样后通过一个inception结构来扩展C3的接受域并增加语义信息。inception结构包含各种比率卷积核，以捕捉对象形状的多样性。

2）由于RPN生成的proposals会带有很多噪声，会造成漏掉小目标或误检。文章提出了监督多维注意力网络结构MDA-Net：

由像素注意力机制和通道注意力机制组成，前者将F3特征图送入Inception块后得到新的特征图，再进行1*1*2的卷积得到显著图每个像素点的目标的前景分数和背景分数，然后softmax操作后将前景分数map与原特征图F3相乘，这样就实现抑制噪声，蹭强边界。训练时采用交叉熵损失回归。

后者就是SENet，通过全局池化层GAP得到C维（C应该等于F3的channels数）向量，然后经过1*1卷积全连接层后进行sigmoid操作，将值限制在0-1，最后广播与F3相乘最后得到A3。

3）损失函数

目标检测引入旋转角度后，会产生很多问题，其中一个就是因角度周期性导致的边界不连续问题，即当预测框和GT很接近时，却产生很大的损失问题，如下图的红色预测框和绿色GT框，明明很接近，但通过他们的坐标计算出的损失却很大。

所以作者在损失中引入了iou因子，

以iou作为损失值，就是说如果预测框和GT很接近时，iou近似等于1，于是将损失乘以|-log（iou）|后损失约等于0，就解决了上述问题，前者控制梯度方向，后者的iou控制梯度大小。

损失函数采用多任务损失，N是proposals数，t′n = 1 for foreground and t′n = 0 for background，Lreg是smooth L1 loss,Latt是像素注意力损失，Lcls是分类损失，两者都为softmax crossentropy，v'和v是bbox回归参数，u'和u分别是每个像素点的分类得分和标签，pn是每个proposal的分类得分，tn是每个类别的标签。