mask rcnn算法分析_Dynamic RCNN(eccv2020)及mmdectection代码分析

论文地址：Dynamic R-CNN: Towards High Quality Object Detection via Dynamic Training

arxiv地址：https://arxiv.org/abs/2004.06002

github:

1. mask-rcnn benchmark: https://github.com/hkzhang95/DynamicRCNN

2. mmdetection: https://github.com/open-mmlab/mmdetection/tree/master/configs/dynamic_rcnn

0 摘要

本文是对faster rcnn的rcnn部分的训练过程进行动态分析，提出了the fixed label assignment strategy 和 动态regression loss function。分析过程很有道理，或许可以在其他目标检测网络中应用，还是蛮有意义的。

核心思想就是：随着训练进行，不断自适应增加rcnn正样本阈值，并且针对回归分支预测bbox的方差减少特点自适应修改SmoothL1 Loss参数，达到类似focal效果。通过这两个自适应操作可以进一步提高精度。整个算法过程实现非常简单，也非常好理解。非常像cascade rcnn训练过程，只不过cascade rcnn是通过多个head，而本文压缩为一个head。 本文算法仅仅影响训练过程，对测试过程没有任何影响

1 训练过程分析

rcnn的核心超参主要是正样本iou阈值，一般都是0.5，但是这个参数如果修改会如何：

可以看出不同的固定阈值设置，AP是不一样的。并且这个现象和cascade rcnn提到的现象相同，特定的iou阈值对于分布相同的roi增益最大，其余增益比较少。也就是说如果实际项目倾向于无漏报，则iou阈值可以适当降低，反之则可以提高iou阈值。对训练过程进行可视化如下所示：

左图可以看出，随着训练进行，在固定iou阈值下正样本个数是不断增加的，不管你设置的iou阈值为多少，同时回归误差的方差是不断变小的。看右边可以看出随着训练进行，预测值和gt的iou是慢慢增加的，回归误差是不断降低。这两幅图说明的问题是：随着训练过程中，预测的bbox质量是会变的，正样本数也是不断增加的，此时采用固定的iou阈值肯定是不完美的，同时随着训练进行，回归误差的方差是不断变小的，采用smooth l1的固定

也是不完美的，这两个核心参数应该动态变化。

2 训练过程改进

(1) Dynamic Label Assignment

rcnn的默认设置是正负样本区分阈值是0.5，没有忽略样本，本文动态的思想是：在训练前期，高质量正样本很少，所以应该采用相对低的iou阈值来补偿，随着训练进行，高质量正样本不断增加，故可以慢慢增加iou阈值。其具体操作如下：

就是要动态调整的参数。作者的做法是首先计算rcnn输入即每个ROI和所有gt的最大iou值，在每张图片上选取前第

个最大值，遍历所有图片，然后求均值作为T_now,并且每隔C个迭代更新一次该参数。图片示意图如下所示：

绿色区域是正样本anchor，红色是负样本anchor。随着训练进行，iou阈值在动态增加，一些原本是相对高质量的预测慢慢变成了负样本，整个mAP在提高。mmdettection部分配置如下：

咋感觉这个75比较诡异，换个数据集这个参数如何确定呢？ 其实现过程在：mmdet/models/roi_heads/dynamic_roi_head.py

在达到update_iter_interval次数后就更新iou：

(2) Dynamic SmoothL1 Loss

前面说过随着训练的进行，bbox预测值方差会不断变小，反映出高质量预测框不断增加。可视化分析如下：

可以看出随着训练进行，回归误差的方差在变小，并且越来越集中(反映出高质量样本在增加)，并且不同iou阈值下，分布差异比较大。既然iou的阈值设置会影响输出分布，那么最好在loss设计上面考虑这种变化。作者采用带参数的smooth L1 loss来自适应。

是需要动态确定的。其确定规则和前面相同，先计算预测值和Gt的回归误差，然后选择第

个最小值组成list，然后在达到迭代次数后，采用中位数作为设置值，不取平均值是因为外点有影响，不太好。

Dynamic SmoothL1 Loss (DSL) to change the shape of loss function to gradually focus on high quality samples。

可以肯定的是随着训练进行

肯定是减少，从右边曲线可以看出，因为随着训练进行，高质量样本越来越多，而常规smooth l1 loss在此时梯度非常少，导致高质量样本无法进一步提高，故通过动态减少

，来增加高质量部分样本的梯度，从而将高质量样本梯度和其余样本质量梯度平衡。

基于smooth l1 loss特点，其能从两个方面限制梯度：

1 当预测框与GT差别过大时，梯度值不至于过大；

2 当预测框与GT差别很小时，梯度值足够小。

其梯度公式是：

当绝对误差小于

，则误差就是绝对误差，当大于

则始终为1，梯度不会过大。考虑上述动态loss，随着训练进行，回归误差会越来越小，并且高质量的预测框其误差会更小，作者引入了动态

来修正，让这部分的误差梯度增加一点，不会太小。可看出随着训练进行

会越来越小，可以不断突出高质量预测框的回归误差。

具体实现方面也非常简单： 首先计算回归误差E，其实际上有4个误差，分别是xywh方向，但是看代码只取了xy方向两个然后取平均作为E，在整个batch里面选择出第beta_topk个小的值作为当前batch的E，然后不断训练保存历史E值，在达到指定迭代次数后再求所有E的中位数即可。

整体算法流程：

3 实验分析

可以发现本实验会引入三个超参：

效果蛮好的，MST是多尺度测试。

按照论文的说法，三个参数鲁棒，但是实际上可能要测试才知道。

其实我觉得这些超参还是比较重要的，应该没有那么鲁棒。随着训练进行，参数都是偏向高质量的roi部分，这应该就是一个head想做cascade rcnn3个head才能做到的事情的弊端吧，导致mAP50部分性能其实有下降。

4 总结

其实仔细思考，可以发现: 本文就是利用训练过程来模拟cascade rcnn的过程。cascade rcnn是通过增加head部分，并且不同stage head采样不同阈值来实现，而本文是采用一个head,但是head的阈值是动态调整的。本质上做的都是同一个事情，做法不一样而已。相对而言本文比cascade rcnn更加make sense，但是单纯考虑精度，肯定不如cascade rcnn，毕竟cascade rcnn相当于本文做法的上限了。

但是好像不太好应用于one-stage中，因为这里的动态过程只能针对rcnn这一级别，因为其预测anchor一直在变，后面才能算动态iou，如果是one-stage，由于anchor是固定的，其分配机制只能是固定的。除非是anchor-free的做法。关于这个推广应用还需要仔细思考。也就是说和ATSS还是有很大区别的，ATSS只是分配机制是基于动态iou的，但是这个动态也是基于anchor和gt的，训练过程中是不会改变的。本文和casde rcnn非常相似，但是做法更加优雅。