[论文笔记] PyramidBox阅读笔记

PyramidBox: A Context-assisted Single Shot Face Detector（ECCV 2018）

论文链接：论文链接
代码链接：代码链接，原版代码在paddle，但是现在不知道为什么找不到了，这里提供的是其他版本

• 我是专门来看这篇文章中的context的做法的
• context能不能用于进行坐标回归里面，而不仅仅用在分类当中
• context相关论文：CMS-RCNN、SSH、FAN

动机

• 使用context解决小目标，模糊目标，部分遮挡的目标检测

解决方案

• 整体方案（基于context）
  • Low-level Feature Pyramid Network（LFPN）：将足够的high level特征和 low level 的特征结合在一起
  • Context-sensitive prediction module (CPM)：引入context信息
  • PyramidAnchors：设计一种“context anchor”，通过半监督方法监督high level上下文特征学习
  • Data-anchor-sampling：增加不同尺度的训练样本数量

网络结构

（能不能不要下采样，因为下采样之后，high-level的特征对应原图感受野太大了，特征融合之后的效果感觉更多的是一个整体的特征，并不能精细化）

Low-level Feature Pyramid Network（LFPN）

• 和FPN不一样的地方在于，LFPN将低层的一些特征进行了融合，而高层特征因为感受野太大了，不适合用于人脸检测

Context-sensitive Predict Module（CPM）

• CPM借鉴了SSH和DSSD。SSH通过在不同分支上不同的stride+conv堆叠来扩展感受野大小，学习更多的contextual information；DSSD使用residual block，得到deeper的预测分支。将SSH中的context module中的conv层换成DSSD的残差预测模块，这样CPM同时包含了DSSD+SSH的上下文信息的优势
• CPM的输出。$w_l\times h_l\times c_l$,其中$w_l=h_l=\frac{640}{2^{2+l}}$（和LFPN每个输出特征图的大小一致），通道$c_l=20$，每个通道的特征分别用来进行分