目标检测Tricks

一、目标检测的优化方法

Bag of Freebies for Training Object Detection Neural Networks

• 论文链接：https://arxiv.org/abs/1902.04103
• 论文代码：https://github.com/dmlc/gluon-cv

二、Tricks详解

1、Visually Coherent Image Mixup

本文重点研究了在目标检测中发挥重要作用的自然共现对象表示。本文引入了自然图像中常见的遮挡和空间信号扰动，以获取更复杂的空间变换特征。我们对图像mixup进行几何保持对齐，以避免出现失真图像。我们设定了一个有更直观连贯比的beta分布，其中$\alpha \ge 1$和$\beta \ge 1$，而不是采用在图像分类中相同的做法。

为了验证visually coherent mixup方法的有效性，我们的实验是移动一个大象图像经过一个室内房间图像。

2、Classification Head Label Smoothing

对于每个对象，检测网络通常会给出一个在所有类别上的概率分布：$p_i=\frac{e^{z_i}}{{\sum }_j^{e^{Z_i}}}$
其中$z_i$是分类的最后一个线性层输出的非归一化逻辑。在训练目标检测算法期间，我们通过对比输出的概率分布p和ground truth分布q的交叉熵来修正分类loss。$L=-\sum q_i\log p_i$

label smooth作为一个正则化方式，我们smooth ground truth分布为：

3、学习率调整

在训练过程中，使用余弦机制的验证集mAP始终比使用阶跃机制的要好。由于频繁调整学习率，也较少出现阶跃衰减的平台现象，即验证集性能会停止增长一段时间，直至学习率降低。

4、Batch Normalization

5、Random shapes

为了减少过拟合的风险和改善网络的泛化能力，我们采用随机尺寸的图片作为训练集来训练。
H = W ∈ { 320 ; 352 ; 384 ; 416 ; 448 ; 480 ; 512 ; 544 ; 576 ; 608 } H =W\in \{ 320; 352; 384; 416; 448; 480; 512; 544; 576; 608\} H=W∈{320;352;384;416;448;480;512;544;576;608}

三、结果