NeurIPS 2019 Spotlight | Cascade RPN，结构的艺术带来极致的提升

论文提出Cascade RPN算法来提升RPN模块的性能，该算法重点解决了RPN在迭代时anchor和feature不对齐的问题，论文创新点足，效果也很惊艳，相对于原始的RPN提升13.4%AR

论文:Cascade RPN: Delving into High-Quality Region Proposal Network with Adaptive Convolution

• 论文地址：https://arxiv.org/abs/1909.06720
• 代码地址：https://github.com/thangvubk/Cascade-RPN

Introduction

  目前，性能高的目标检测网络大都为two-stage(RPN+R-CNN)架构，相对于R-CNN，很少有研究专门去提升RPN的性能。因此，论文着重研究如何提升RPN的性能，解决其探索性的achor定义以及探索性的feature与anchor对齐的局限性

  anchor由尺寸和长宽比定义，常规算法会使用一系列不同尺寸和长宽比的anchor来充分覆盖检测目标。设定合适的尺寸和长宽比是提升性能的关键，这通常需要一顿tuning

  论文重点强调对齐规则，即图片特征和anchor必须是一致的。如图1a所示，由于RPN的anchor是均匀分布的，其方差十分大，难以学习，需要进行迭代回归。但RPN没有类似RoIPool或RoIAlign的手段进行特征对齐，因为RPN的输入很多，性能十分重要，只能进行常规的滑动卷积进行输出，这就造成了anchor和feature的对称问题。如图2b，可以看到Iterative RPN的收益是微乎其微的，这是由于在iterative RPN中，stage2的anchor与其特征不对齐(依然均匀地卷积)，如图1c，stage2的输入anchor精调了，但是stage2卷积时使用的特征区域还是精调之前的

  论文提出Cascade RPN来系统地解决前面提到的问题，算法主要有两个特点：

• Cascade RPN使用单anchor，并且结合anchor-based和anchor-free的准则来进行正样本的判定
• 为了获得多stage精调的好处并且保持特征和anchor对齐，Cascade RPN使用自适应卷积来精调每个stage的anchor，自适应卷积可以当作是个轻量级的RoI Align层

  Cascade RPN简单但有效，能比原生RPN高出13.4%AR，并且能集成到two-stage检测器中，如Fast R-CNN和Faster R-CNN分别提升3.1%和3.5%

Region Proposal Network and Variants

  文中简单介绍了RPN的概念，如图1a，通过卷积回归当前anchor与GT间的差值来进行精调，相信大家都比较了解了，这里就不再赘述了

Iterative RPN and Variants

  Iterative RPN的架构如图2b所示，通过迭代回归得出不同stage的差值，然后按顺序对anchor进行精调。从结构来看，如上所述，这样的方法收益是微乎其微的，因为其特征与anchor是不对齐的

  为了缓解对齐问题，一些研究使用可变形卷积来进行特征图上的空间变换，希望能使得精调后的anchor与变换后的特征对齐，如图2cd。但是这种方法并没有严格的约束去保证特征与变换后的anchor对齐，也很难确定变换后的特征和anchor是否对齐了

Cascade RPN

• Adaptive Convolution

  对于feature map x，标准的二维卷积先通过网格$\mathbb{R}={(r_x,r_y)}$采样，然后与权重w加权求和。$\mathbb{R}$由卷积核大小与膨胀(dilation)定义，如$\mathbb{R}={(-1, -1), (-1, 0),…..,(0, 1),(1, 1)}$对应卷积核大小为3×3和膨胀为1。对于位置p的特征输出y，定义为

  在自适应卷积中，网格$\mathbb{R}$替换为从输入anchor计算出的偏移$\mathbb{O}$

  让$\overline{a}$定义为a在特征图上的精调后的anchor，偏移o可以分解为中心偏移和形状偏移

  其中，$o_{ctr}=(\overline{a_x}-p_x, \overline{a_y}-p_y)$为中心点偏移量，$o_{shp}$是形状偏移量，由anchor的形状和卷积核大小决定。假设卷积核大小为3×3，则$o_{shp}\in{(-\frac{\overline{a}_w}{2},-\frac{\overline{a}_h}{2}), (-\frac{\overline{a}_w}{2},0),…,(0,\frac{\overline{a}_h}{2}),(\frac{\overline{a}_w}{2},\frac{\overline{a}_h}{2})}$，由于偏移量是小数，采样时使用双线性插值

  如图3所示，常规卷积连续地采样特征，空洞卷积则根据膨胀按间隔采样特征，可变形卷积则根据学习的偏移来增大采样的空间位置，这是不规则的。而论文提出的自适应卷积则能保证在anchor内进行采样，是规则的，确保特征与anchor对齐

• Sample Discrimination Metrics

  Cascade RPN每个位置仅使用一个anchor box，然后使用多stage的精调。在判定anchor的正负时，单纯地使用anchor-free或anchor-base方法都是不行的，因为使用anchor-free标准会导致stage2要求太低，而使用anchor-base则会导致stage1不能回归足够多的正样本。因此，Cascade RPN在stage1使用anchor-free标准，即中心点在GT center内即为正，而往后的stage则使用anchor-base标准，根据IoU进行判断

• Cascade RPN

  Cascade RPN的架构如图2e所示，依靠自适应卷积来对齐特征和anchor。在stage1，自适应卷积可以认为是空洞卷积，因为anchor中心偏移为0，膨胀量根据shape而定。stage1的特征输出会连接到下一个阶段，因为其包含当前anchor的空间信息

  整体流程如公式1，stage1的anchor集合$\mathbb{A}^1$是均匀分布在图片上的，而在stage$ \tau $，计算出anchor的偏移$\omicron^\tau$并通过regressor $f^\tau$计算出回归值$\hat{\delta}^\tau$，再产生精调的anchor$a^{\tau+1}$。在最后的阶段，通过classifer计算出分类置信度，然后再进行NMS得出最后的结果

• Learning

  Cascade RPN可以通过多任务的end-to-end方式进行训练，其中$L_{reg}^{\tau}$是stage$\tau$回归loss，权重为$\alpha^\tau$，$L_{cls}$则是分类的loss，两个loss通过$\lambda$进行权重调整。在实现时，分类使用二值交叉熵而回归使用IoU loss

Experiment

Experimental Setting

  实验的模型以ResNet50-FPN作为主干，每个特征level使用的尺寸为$32^2$,$64^2$,$128^2$,$256^2$,$512^2$。FPN采用two-stage，第一阶段使用anchor-free标准，center-region$\sigma_{ctr}$和ignore-region$\sigma_{ign}$分别为0.2和0.5，第二阶段使用anchor-based标准，IoU阈值为0.7。multi-task loss的stage-wise权重$\alpha^1=\alpha2=1$，平衡权重$\lambda=10$，NMS阈值为0.8。实验将图片等比缩放为$[800, 1333]$，不使用其余数据增强手段，在8GPU上用SGD训练12个epoch，batch 16，初始学习率为0.02，8周期和11周期降低10倍。RPN的性能用AR来衡量，最终的检测结果则以AP进行衡量

Benchmarking Results

  Region Proposal Performance.Table1展示了Cascade RPN与state-of-the-art的RPN研究对比，其中Sharp Mask，GCN-NS，AttractionNet，ZIP结果直接从原文里获取，其余用mmdetection复现。Cascade RPN比原始的RPN提升了13.4%AR，由于遵守了对齐规则，Cascade RPN比其它的方法性能都要优异

  Detection Performance.Table2展示了集成进two-stage检测器后的整体性能表现，Fast RCNN使用预先计算的anchor进行训练，而Faster RCNN则是end-to-end的。直接替换RPN的实验结果只有很小收益，需要修改一下实验参数，设定IoU阈值为0.65，只取top300 anchor。从结果看来，top300时在两个框架下分别提升了3.5%mAP和3.7%mAP

Ablation Study

Component-wise Analysis.  为了进一步了解Cascade RPN性能，进行了component-wise的实验。baseline是anchors为3的RPN，$AR_{1000}$为58.3，当anchor为1时，$AR_{1000}$降到55.8，意味着正样本的大幅减少。而当使用自适应卷积使用时，性能提升为67.8，这意味着对齐在多阶段精调的重要性。混合anchor-free和anchor-based准则带来了0.8%的提升，使用回归统计(对回归差值进行归一化)带来2.9%AR收益，IoU loss带来0.2%的提升

Acquisition of Alignment.  为了研究自适应卷积的性能，进行了Table4实验。从结果可以看出，当仅使用中心偏移时，提升6.1%AR，而当使用中心和形状偏移时，性能达到67.8%

Sample Discrimination Metrics.  Table5展示了采用标准的性能测试，从结果看来，单独使用anchor-free或anchor-based标准是不完美的，同时使用能带来很好的效果

Qualitative Evaluation.  图4的第一和第二行图片为stage1的结果，第三行为stage2的结果，可以看到，stage2的结果要好点

Number of Stages.  Table6展示了stage数量对结果的影响，可以看到2-stage和3-stage性能几乎一样，2-stage是个不错的选择

Extension with Cascade R-CNN.  在Cascade R-CNN上，Cascade RPN能提升0.8%AP

Conclusion

  论文提出优化版的Cascade RPN，该架构能够有效地解决RPN中anchor和feature的对齐问题，相对于原始的RPN，能提升13.4%AR，是个很不错的架构

创作不易，未经允许不得转载～
更多内容请关注个人微信公众号【晓飞的算法工程笔记】

作者：VincentLee

原文地址：https://segmentfault.com/a/1190000022159440

喜欢 0