（论文解读）Towards Accurate One-Stage Object Detection with AP-Loss

论文解读之：

Towards Accurate One-Stage Object Detection with AP-Loss

这篇论文是关于one-stage目标检测的一篇论文，作者通过提出一种AP损失，直接对评价指标构成的损失函数进行训练。

写在前面

在目标检测领域，有着两种主要的思路：One-stage与Two-stage。其中，one-stage的目标检测是同时进行目标的定位与识别，而two-stage是分为两步，首先生成一系列候选框，然后对其进行识别分类。one-stage方法包括YOLO、SSD等常见网络，而two-stage方法包括Faster RCNN等常见网络。
两种目标检测的思路各有利弊，one-stage的方法效率高，但是准确率不如two-stage。这篇文章的作者研究了one-stage的问题。在one-stage目标检测中，一个重要的问题就是锚点数量过大，导致了前背景极度不平衡。
在目标检测中，常用的评价指标包括mean AP、IoU等。其中AP是不可微的，且是非凸的，所以如果使用传统的梯度下降方法无法进行优化。所以之前的方法都是构造其他损失函数，而我们能不能把AP构造成能学习的损失函数呢？如果可以的话，从评价指标的角度看这样的学习更直接。
另外，还有一个很尴尬的情况，就是由于正负样本不均衡的原因，导致检测的结果很垃圾但是分类准确率依然很高，如下图所示：

本文的作者提出了一种使用AP loss的学习方法，根据论文中的说法，本篇论文的贡献如下：

贡献

• 提出了一种新的one-stage目标检测框架，该框架采用排序损失来处理不平衡问题。
• 提出了一种误差驱动学习算法，通过理论和实验验证，该算法能够有效地优化不可微且非凸的基于AP的损失函数。
• 在不改变模型结构的情况下，对于不同类型的分类损失，文章提出的方法性能能达到先进水平。

作者主要提出了AP损失，并创造了学习这种不可微损失的学习方法。其中AP损失是通过将分类问题替换为排序问题设计出来的。所以理解本文主要分为两个部分：损失函数设计与训练方法。

AP损失函数

首先，在传统检测器特征提取后，每个anchor box将产生K+1维的得分，分别对应K个类别和背景。为了便于后面排序，作者将每个anchor box复制K个，每个anchor box在特征提取阶段仅得到一个得分，用于代表对应的某一个类的得分。
设$B$为anchor box集合，$b_i$为第$i$个anchor box。在检测器提取特征后，每一个anchor box得到一个得分$s_i$和一个二进制标签$t_i$，这个标签指示这个anchor box是前景还是背景，前景取1，背景取0。
然后计算差分，将$s_i$转为$x_{ij}$，其中$\theta$为特征提取过程中CNN的参数。

这个$x_{ij}$就指示了$s_i$的排序，如果$x_{ij}>0$说明$s_i$排在$s_j$