《D2Det：Towards High Quality Object Detection and Instance Segmentation》论文笔记

参考代码：D2Det

1. 概述

导读：这篇文章提出了一种新的两阶段检测算法，主要的改进点集中在RPN网络之后，从而带来目标定位和目标分类更加准确。对于定位部分的优化这里是使用的是类似Grid RCNN之类的检测框预测方法，因而就可以对一个proposal进行密集预测（dense box），文中提到这样的回归方式会带来更为精确的预测结果，在此基础上引入了二值掩膜重叠预测（GT为对应GT框的内部区域，看作另外一种形式的分割）用以更近一步排除由proposal进行预测得到结果为背景的情况。对于精确的分类结果，文章将原有的RoI-Pooling操作做了具有discriminative属性的判别形式（也就是不同采样区域设置不同的采样权重），从而得到更加具有判别能力的特征。文章的算法在COCO数据集上使用ResNet101作为backbone获得了45.1的AP。

下图是文章的算法与一些检测算法的对比，见下图所示：

2. 方法设计

2.1 网络结构

文章的算法是来来自于Faster-RCNN的，主要的改进在最后的预测头部分，下图展示的就是文章的主要网络部分：

2.2 密集的目标回归机制

在Faster RCNN系列的算法中，设RPN网络提取的proposal表示为$P(x_P,y_P,w_P,h_P)$，对应的GT表示为$G(x_G,y_G,w_G,h_G)$，那么对应的RCNN头部分需要的回归量表示为：
$${\delta }_x=(x_G-x_P)/w_P,{\delta }_y$$