[GFL]Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Dete

Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection

会议：CVPR 2021

论文：https://arxiv.org/pdf/2006.04388.pdf

代码：https://github.com/implus/GFocal

Abstract

目前的模型大多存在两个问题：

问题一：在训练和推理的过程中，质量评估和分类的方法不一致：

• 他们往往被独立训练，但在推理过程中却被相乘起来联合使用；

• 监督目前只分配给正样本，但有时候负样本可能会提供更高质量的监督，必然会存在一部分分数较低的“负样本”的质量预测是没有在训练过程中有监督信号的，有就是说对于大量可能的负样本，他们的质量预测是一个未定义行为。可能出现的情况就是：一个分类score相对低的真正的负样本，由于预测了一个不可信的极高的质量score，而导致它可能排到一个真正的正样本（分类score不够高且质量score相对低）的前面。

  

问题二：在复杂的场景中，回归的表示不够灵活，用狄拉克函数（类似于脉冲函数）来进行定位是不准确的：

bbox的坐标可以被视为一个狄拉克分布，但往往没有考虑到模糊边界框，或者被严重遮挡的边界框。虽然最近的一些工作用高斯分布来进行描述，但它过于简单从而不能精确地捕捉到真实的bbox。事实上，这种分布可以更加灵活。

解决一：定位质量评估

保留了分类向量，对于一个类别向量，但是对应类别位置的置信度的物理含义不再是分类的score，而是改为质量预测的score，这样就做到了两者的联合表示，可以端到端的方式进行训练，同时在推理过程中直接使用。

Bounding box 表示

直接学习连续空间上的离散化概率分布来表示盒子位置的任意分布，而不引入任何其他更强的先验。

然而，对于提出的分类IoU联合表示，除了仍然存在的类别不平衡风险外，还面临一个新的问题，即连续IoU标签（0∼1） 作为监督，而原来的FL目前只支持离散的{1，0}类别标签，作者提出了一个Generalized Focal Loss来解决这个问题。又进一步将GFL分解为质量焦损（QFL）和分布焦损（DFL），分别对改进的两种表示进行优化。QFL关注一组比较稀疏的难例，并产生一组连续的0～1的质量评估；DFL使得网络能够在任意灵活分布的情况下，快速地集中学习目标bbox连续位置周围值的概率。

Loss的详细表示

Focal Loss

传统的FL用来解决one-stage检测器前景背景样本不平衡的问题，往往用于训练期间，数学表达式如下：

其中$y$是前景背景的分类，$p$代表正例类别的估计概率，