论文阅读：Deformable ConvNets v2

论文地址：http://arxiv.org/abs/1811.11168

作者：pprp

时间：2019年5月11日

0. 摘要

DCNv1引入了可变形卷积，能更好的适应目标的几何变换。但是v1可视化结果显示其感受野对应位置超出了目标范围，导致特征不受图像内容影响（理想情况是所有的对应位置分布在目标范围以内）。

为了解决该问题：提出v2, 主要有

1. 扩展可变形卷积，增强建模能力
2. 提出了特征模拟方案指导网络培训：feature mimicking scheme

结果：性能显著提升，目标检测和分割效果领先。

1. 简介

Geometric variations due to scale, pose, viewpoint and part deformation present a major challenge in object recognition and detection.

目标检测一个主要挑战：尺度，姿势，视角和部件变形引起的几何变化

v1 引入两个模块：

• Deformable Convolution : 可变形卷积
  • 通过相对普通卷积基础上添加的偏移解决
• Deformable RoI pooling : 可变形 RoI pooling
  • 在RoI pooling 中的bin学习偏移

为了理解可变形卷积，进行了可视化操作：

• samples for an activation unit tend to cluster around the object on which it lies.

• 激活单元样本点聚集在目标附近

• 但是覆盖范围不够精确，超出the area of interest

由此提出DCNv2, 具有增强建模的能力，可用于学习可变形卷积

with enhanced modeling power for learning deformable convolutions.

添加了两种互补的模式：

• 更广泛应用可变形卷积，在更多层上使用可变形卷积
• 在原有基础上不仅加上偏移（offset），而且加上幅值（amplitude）的控制

为了充分利用可变形卷积提取的信息，吸取知识蒸馏的手段，进行培训。

• 教师网络：R-CNN, 针对裁剪内容进行分类的一个网络，防止学习不在目标范围以外的内容
• 学生网络：Faster R-CNN

2. 可变形卷积行为分析

2.1 空间支持可视化

可视化三个内容：

1. 有效感受野 ： 可视化感受野
2. 有效采样位置： 对采样点求梯度，然后可视化
3. 误差界限显著性区域 ： 参考显著性分析理论，进行可视化

2.2 可变形网络空间支持

Faster R-CNN中Conv1-Conv4使用在Head中的，Conv5使用在Classification network上

ResNet-50 Conv5里边的3$\times​$3的卷积层都使用可变形卷积替换。Aligned RoI pooling 由 Deformable RoI Pooling取代，当offset学习率设置为0，那么Deformable RoI Pooling就退化为Aligned RoI Pooling。 ps: 这是V1中的操作。

从中观察到：

1. 常规卷积可以一定程度上模拟几何变化，通过网络权重做到的
2. 可变形卷积模拟几何变化能力显著提升，但是不够精确。

3. 更多可变形卷积层

v2 中进行改进的部分主要有三点

3.1 使用更多的可变形卷积

在Conv3, Conv4, Conv5中所有的3$\times​$3的卷积层全部被替换掉。对于pascal voc简单数据集，堆叠三层以上就会饱和。

3.2 在DCNv1基础（添加offset）上添加幅值参数

回顾一下DCNv1:

R 是相当于3$\times$3的kernel, \(p_0\)是当前中心点，\(p_n\)枚举每一个点。

可见，在普通卷积基础上，offset \(\Delta p_n​\)是主要改进点。

那DCNv2主要改了哪些地方？

在v1基础上，添加了\(\Delta m_k\), 一个控制幅值变化的量。

ROI pooling是如何改进的？

先看Faster R-CNN中的ROI Pooling:

然后先看DCNv1的Deformable RoI Pooling

主要是添加了offset fields \(\Delta p_{ij}\) 来控制偏移部分。

DCNv2的Deformable RoI Pooling也是将幅值引入，如下图：

类似的也添加了幅值变量，在训练的过程中进行学习。

3.3 R-CNN Feature Mimicking

采用了类似知识蒸馏的方法，用一个R-CNN分类网络作为teacher network 帮助Faster R-CNN更好收敛到目标区域内。

得到ROI之后，在原图中抠出这个ROI，resize到224x224，再送到一个RCNN中进行分类，这个RCNN只分类，不回归。然后，主网络fc2的特征去模仿RCNN fc2的特征，实际上就是两者算一个余弦相似度，1减去相似度作为loss即可

代码

GitHub几个源码

1. <https://github.com/msracver/Deformable-ConvNets> 官方提供的版本，有DeepLab, Faster R-CNN, FPN, R-FCN等。源码使用的是mxnet。

2. https://github.com/open-mmlab/mmdetection 集成了可变形卷积，源码使用的是pytorch。

3. https://github.com/ChunhuanLin/deform_conv_pytorch 测试deform_conv_V1的准确度的demo.py，源码使用的是pytorch。
4. https://github.com/4uiiurz1/pytorch-deform-conv-v2一个简单版本的DCNv2 ,源码使用的是pytorch

5. https://github.com/chengdazhi/Deformable-Convolution-V2-PyTorch/tree/pytorch_1.0.0 Pytorch 1.0 最新的完整的DCNv2

参考文献

https://blog.csdn.net/u013841196/article/details/80713314

http://arxiv.org/abs/1811.11168

https://www.cnblogs.com/jiujing23333/p/10059612.html

https://www.jianshu.com/p/23264e17d860

转载于:https://www.cnblogs.com/pprp/p/10847834.html