Gaussian YOLOv3: An Accurate and Fast Object Detector Using Localization Uncertainty 论文笔记

前言

目前的大多数single-stage目标检测器虽然在检测精度上已经有所提升，但检测的实时性依然不是很好。此外，虽然通过检测得到了目标的bbox坐标，但得到的这个bbox的不确定性是未知的。因此，这些目标检测器并不能避免错误定位（FP），因为它们输出的bbox的结果并不包含不确定性信息，也就是说并不清楚这个bbox是不是正确的。一般来说，FP指对于该目标的GT来说是不准确的检测结果，TP则是准确的检测结果。预测bbox的不确定性，以及将不确定性与objectness score和class score结合起来以降低FP，是非常重要的。

为了解决以上问题，本文基于YOLOv3提出了一种新的目标检测方法，通过对YOLOv3的bbox坐标进行建模以提升检测精度，该方法仅输出确定值作为高斯参数（均值和方差），并重新设计bbox的损失函数。通过高斯建模，可以估计YOLOv3中bbox回归任务的定位不确定性。此外，通过在检测过程中利用bbox的定位不确定性，还可以进一步提升检测精度。最终，高斯YOLOv3显著提升了检测精度，并且能够处理错误定位问题，同时还能保持检测的实时性。

---

方法实现

1. 通过高斯建模得到不确定性

如上图（b）所示，在特征图的每个网格中有3个prediction box，每个prediction box包含objectness score（目标是否出现在bbox中），class score（目标的类别）和bbox坐标（$t_x,t_y,t_w$,$t_h$），根据objecness score和class score的乘积来确定一个检测到的目标。不同于objectness score和class score是0到1之间的一个“分数”，也就是一个衡量的程度，bbox坐标则是确定的坐标值，因此bbox的置信度是未知的，也就不能得知bbox的不确定性。

bbox的不确定性可以通过高斯模型对$t_x,t_y,t_w$和$t_h$进行建模得到，高斯模型为：

$\mu (x)$和$\Sigma (x)$分别是均值和方差。

为了预测bbox的不确定性，bbox坐标的每个值都以均值$\mu (x)$和方差$\Sigma (x)$来建模。首先将bbox的输出表示为 μ t x ^ , Σ t x ^ μ t y ^ , Σ t y ^ μ t w ^ , Σ t w ^ μ t h ^ , Σ t h ^ \hat{\mu_{t_x}},\hat{\Sigma_{t_x}}\hat{\mu_{t_y}},\hat{\Sigma_{t_y}}\hat{\mu_{t_w}},\hat{\Sigma_{t_w}}\hat{\mu_{t_h}},\hat{\Sigma_{t_h}} μtx​​^​,Σt