A Unified Multi-scale Deep Convolutional_Neural Network for Fast Object Detection 论文笔记

background

任务：缓解因建议区域与检测区域大小不匹配的问题，提高对小目标的准确率
关键词： object detection, multi-scale, unified neural network
​

Introduction

摘要

传统的目标检测因目标建议区域的大小不同，但是使用相同大小的卷积核，对检测准确率造成了很大的影响。
如下图：


黄色的边框为建议区域，而检测网络中的用于检测的区域大小和建议区域的大小严重不匹配，会造成检测精度的下降（eg：如faster rcnn中将大小目标均适应性均值池化到相同的size，然后进行检测，这样为了网络能够正常进行，但是牺牲了检测网络的准确性，换句话说，这样的网络很难匹配size相差很大的检测任务）。
所以本文作者为了找到建议区域和检测匹配问题的好的解决办法，提出了多尺度的检测方法。主要是低层的网络主要负责小目标的检测，高层网络主要负责大目标的检测，而且在第一层的小目标检测中，应用到了反卷积来提高精度。
​

传统的几种方法

（a）主要的想法是将输入的图片resize不同的尺寸，为了得到不同大小的目标的相同的输出feature maps，这种方法虽然精度很高，但是计算开销过于巨大，计算效率很低。
（b）虽然提出了多个分类器，解决了计算过于复杂的问题，但是本身设计的网络参数众多，很难得到好的检测网络。
（c）是综合（a），（b）提出的网络
（d）通过对feature maps进行插值等处理，在精度和速度上确实得到了提升，而且在小目标的检测是性能也得到了提升
（e）是将提案区域转化成输入图片的大小
（f）是faster-rcnn的主要想法，将不同尺寸的feature maps适应性均值池化到相同尺寸（比如22的小目标和200200的大目标pooling到相同尺寸，这样会影响检测网络的训练）
（g）是本文作者的提案
​

Model

整体结构

​

作者的主要想法是在高分辨率的feature maps产生小目标的建议区域，而且训练单独的检测网络。
每层的检测区域产生不同尺度的anchors，每层都有与其对应的检测网络
​

每层的anchors的大小：
​

第一层的反卷积结构

正负样本划分

每层的anchors是以一定的步长滑动产生的。


上式式计算提案与ground-truth的max–iou，得到的值大于0.5记为阳性，否则阴性。
但在实际的检测任务中很容易出现阴性远大于阳性的现象，所以作者提出通过一般随机采样，一半自定义的方式产生平衡这种现象。
​

如选取2n个阴性样本，n个通过随机采样产生，另外n个通过阴性的得分由高到低选取n个（hard negative相比easy negative对网络的训练更好）
​

Context Embedding

如上图的蓝色区域，将提案区域外的背景区域也加入到检测中去，蓝色的区域边长为提案区域的1.5倍。
采用无填充的额外卷积层来减少模型参数的数量。它有助于压缩冗余上下文和对象信息，而不损失准确性，并确保模型参数的数量大致相同。
​

Experiments

Learn from paper

​

解决了大目标和小目标因检测网络相同而引起的误差，使得网络更加灵活，应对不同size的提案
​