Learning Efficient Single-stage Pedestrian Detectors by Asymptotic Localization Fitting行人检测ECCV2018

Learning Efficient Single-stage Pedestrian Detectors by Asymptotic Localization Fitting 行人检测论文，ECCV2018
代码地址
论文地址
Wei Liu 1,3（国防科大） , Shengcai Liao 1,2（中国科学院大学）
原来是学长的论文呀，66666

概要：

虽然基于two-stage的检测器Faster R-CNN已经有效的提高了行人检测精确度，但是在特定应用中仍然还是比较慢。一个解决方法是用single-stage检测器，但是现阶段single-stage如SSD还是精度有欠缺的。
本文朝着SSD的速度，同时保持Faster R-CNN的精度进发。被称作ALF的渐进定位匹配网络Asymptotic Localization Fitting 被提出，它通过堆叠一系列的预测期，来直接评估SSD的anchor来一步一步的提高检测结果精度。
结果，在训练过程，靠后的预测期更倾向于优质的正样本，同时难负样本的挖掘可以增加IOU的阈值。基于此，一个有效的single-stage的行人检测网络结构ALFNet横空出世，达到了CityPersons 和 Caltech这两个行人检测最大的数据集上的最好效果，提高了行人检测的速度和精度。

Introduction

Faster RCNN慢在两阶段： proposal generation 和classification of ROIpooling features，SSD则直接回归默认anchors作为检测框，所以很快。
由于二者都有默认anchor boxes锚点，我们猜测关键在于对二阶预测过程中默认anchors boxes的处理，RPN是第一阶段，ROIs的预测是另一个阶段（但是并不是ROI-Pooling模型）
近期，Cascade R-CNN将Faster RCNN推进了一步，通过引入多步骤的ROI-pooling，在RPN之后尽心个预测。
另外，RefineNet认为ROI-pooling可以在RPN之后被卷进转换网络(convolutional transfer connection)替代。
因此，看上去SSD中的默认anchors可以被更简单的解决方式多步骤multi-stages来替代，既不用RPN也不用ROI-Pooling
SSD在行人检测中的另一个问题是，被一个单一的IOU阈值来训练， 一方面 ，低IOU阈值（如0.5）可以帮助定义出合适数量的正样本，尤其是行人数量受限的情况下。比如图1中，在Caltech中42782个图中，80% 图片没有行人，总的来说仍然是平均每张图1.4个人。低阈值会出现 ”close but not correct”接近但是不正确的结果，虚警， false positives假正实例，正如Cascade R-CNN中提到的那样。
另一方面 ，高阈值（如0.7）可以降低false positives虚警，但是训练时能匹配到的正样本少了很多，如图1b。
正负样本的定义使得高质量SSD训练很有困难，这个问题在two-stage的Faster R-CNN中得到缓和。

上述分析促使我们通过提高定位精度和增加IOU阈值，使用多步骤来训练SSD。因此，本文中简单有效的网络ALF，它可以从SSD默认anchors触发，一步一步的通过卷积来演化（进化）所有anchor boxes，推动更多的anchor boxes来接近Ground truth。
基于此，一个创新的行人检测结构被定义为ALFNet。
显著提高了检测精度，同时保持了single-stage的效率，在两个大规模行人检测数据集上进行丰富的实验和分析。总的来说本文贡献：
1.ALF模型的提出，使用多步骤的预测来渐进定位，客服了single-stage检测器的缺点
2.达到两个数据集的Stage-of-the-art ，SOTA

---

在行人检测的漫漫长夜中，RCNN打开了一束光明，随后各种two-stage方法，显示SCF检测器，产生proposals然后给RCNN一样的网络中去。然后是TA-CNN网络，ACF检测器作为区域推荐产生器产生proposals，之后的行人检测被各种分割任务结合在一起来优化。DeepParts使用LDCF检测器来产生proposals，然后来给CNN训练识别不同的身体部分。

https://zhuanlan.zhihu.com/p/44796359