IOU-Net 算法笔记

最新推荐文章于 2024-08-09 08:34:00 发布

AI之路

最新推荐文章于 2024-08-09 08:34:00 发布

阅读量1.2w

点赞数 13

分类专栏：深度学习计算机视觉目标检测-object detection

本文链接：https://blog.csdn.net/u014380165/article/details/82025507

版权

本文介绍了ECCV2018论文IOU-Net，该论文针对目标检测中分类得分不能准确反映预测框准确性的问题，提出了IOU-guided NMS和optimization-based bbox refinement。IOU-guided NMS利用回归得分而非分类得分进行NMS，优化了框的选择。optimization-based方法改善了框的位置迭代回归，提高了预测准确性。此外，文章还引入了PrROI Pooling以减小特征提取误差。

摘要由CSDN通过智能技术生成

论文：Acquisition of Localization Confidence for Accurate Object Detection
论文链接：https://arxiv.org/abs/1807.11590

这篇ECCV2018的文章个人非常喜欢，我们知道在目标检测算法中最后一般都会通过NMS算法移除重复预测框，移除的依据是预测框的分类得分（classification confidence，也就是softmax层的概率输出），但是这种依据并不能很好地表征预测框的准确性，换句话说对于同一个ground truth而言，分类得分高的预测框并不一定比分类得分低的预测框好，这样就容易导致那些分类得分低，但是坐标和ground truth更接近，也就是坐标回归更准确的预测框在NMS阶段被过滤掉，导致最终指标的下降。

因此这篇文章就提出IOU-Net，通过预测检测框和ground truth的IOU来解决这2个问题：1、提出IOU-guided NMS，也就是在NMS阶段引入回归得分（localization confidence）作为排序指标而不是采用传统的分类得分。2、提出optimization-based bbox refinement替换传统的regression-based方法，提高了回归部分的可解释性。另外这篇文章还提出了Precise ROI Pooling（PrROI Pooling），通过积分方式计算ROI特征使得前向计算的误差进一步降低，同时反向传播时基于连续输入值计算梯度使得反向传播连续可导，相比之下ROI Pooling和ROI Align由于采用量化或几个点插值方式求ROI特征，不可避免地带来一些噪声，而且在反向求导时只对特定输入回传梯度。

Figure1是关于这篇文章出发点的介绍，具体而言就是说明了前面提到的2个问题。
（a）说明了用预测框的分类得分作为NMS的依据的缺点。（a）中对比了模型预测框的分类得分和回归得分两个指标，其中红色框和绿色框都是模型对同一个ground truth（也就是黄色框）的预测框，红色框的分类得分比绿色框高，因此只要红色框和绿色框的IOU超过NMS算法设定的阈值（比如常用的0.5），那么绿色框就会被NMS过滤掉。但从（a）的3张图像可以直观上看出绿色框的预测结果要好于红色框，同时通过计算红绿预测框的回归得分（这个回归得分是作者定义的）可以看出绿色框的回归得分要高于红色框。
（b）说明了传统的基于回归目标的框位置迭代回归存在的缺点。（b）中上面一行图像表示传统的基于回归（regression-based）的预测框确定过程，可以看到随着迭代次数的进行，预测框的坐标准确性逐渐降低（在开始阶段是上升了，图中显示的是下降的过程），这也就是文中说的非单调性（non-monotonic）。我们知道传统的基于回归的框预测方式是通过坐标点来监督的，比如常用的x、y、w和h的偏置，显然，假如你预测框的中心点坐标和宽高和ground truth尽可能接