Multiple Anchor Learning for Visual Object Detection 论文笔记

前言

在基于anchor的目标检测方法中，检测器利用目标与anchor之间的IoU作为分配anchor的标准，每个被分配的anchor独立地监督网络学习，以进行分类与定位。也就是说，分类与定位之间是没有交互的，如果一个检测结果的定位精度较高但分类置信度较低，那么它有可能在NMS操作中被过滤掉。

为了解决这个问题，本文提出Multiple Anchor Learning（MAL），这是一种可以自动学习anchor的方法，通过anchor-object匹配来联合优化分类和定位。在训练时，根据anchor与目标bbox之间的IoU进行排序，选择IoU位于前面的anchor，用它们构建一个属于该目标的anchor bag，然后MAL通过结合分类与定位分数，评估出每个anchor bag中的positive anchor。在每次迭代过程中，MAL使用所有的positive anchor来优化训练损失，选出分数最高的anchor作为最终的选择。这样一来，分类分数和定位分数就能同时达到最高。

在每次迭代中选择分数最高的anchor可能并不会达到最好的结果，比如目标的一部分被错误地定位，但由于分类分数较高，因此总分数也较高。为了解决这个问题，本文还提出一种selection-depression优化策略，通过扰动分数较高的anchor的特征，来反复降低该anchor的置信度，从而保证最终所选择的anchor是最优的。

---

方法实现

1. MAL

上图是MAL的整体思想，在每次迭代过程中，MAL选出anchor bag中得分较高的anchor以更新模型，更新后的模型为每个anchor评估新的置信度。通过一次次的anchor选择和模型学习以实现最终的优化。

接下来说一下具体过程：首先为第$i$个目标构建一个anchor bag $A_i$，也就是根据anchor与gt之间的IoU，选出前$k$个anchor 放入$A_i$中。然后在网络参数的学习过程中，MAL为$A_i$中的anchor评估出它们的分类和定位置信度，这些置信度用于之后anchor的选择以及说明每个anchor的重要性。这里仅考虑对positive anchor的计算，MAL有如下目标函数：

其中$f_{\theta }(\cdot )$和 g θ ( ⋅