G-CNN an Iterative Grid Based Object Detector 论文笔记

background

任务：取消建议区域的算法，减少盒子的数量，加快速度
关键词：G-CNN
​

Introduction

​

这是一篇2016年的论文，主要对标fast rcnn，以fast rcnn为例子，需要通过建议，提供上千个建议区域，十分影响检测的速度，而且positive和negative，hard，easy，也会影响模型的准确率。
​

所以本文作者删除了提案阶段，和减少处理box的数量来提高检测速度。
​

作者认为，将检测区域的生成，看作是一种寻找过程，初始化的区域需要通过复杂的非线性变化，得到最后的目标区域，所以作者通过一种迭代过程，将初始的区域，通过次次迭代，不断平移，得到最后的结果。
​


​

Model

整体结构

主要的G-CNN Network Structure与fast rcnn类似，不过去掉了建议生成网络。
​

基本过程

伪代码




首先是初始化区域（提出一些区域便于后面的变形）
​

然后通过与各个ground-truth比较，选择最大的iou对应的ground-truth作为目标。
​

$B_i^1$为第一次迭代时的第i个box对应的向量
$B_i^s$中s为第s次迭代，其中$$1<=s<=S_{train}$$


目标梯度下更新后的B：
​

其中$G_i^{\ast }$为$B_i^1$对应的ground-truth
$\Delta (B_i^s,T_i^s)$表示偏移量，$T_i^s$为（2）中的输出值​

${\delta }_{i,l_i}^s$表示预测的偏移量，$l_i$为第i个box的种类
​

最后的损失函数：


其中$I(.)$为1或0，$B_i^l$是背景则为0否则为1
实际的更新策略：
​

其中，${\Delta }^{-1}$将定义的参数化空间中位置和尺度的相对变化向后投影到B中
但是需要在训练过程中对网络的前向路径进行评估，导致训练效率低下，所以假设完全学好，得到：$B_i^s=T_i^s$

​

TEST

预测时，只是将ROL INFO之后的进行迭代循环，增加速率
伪代码
​

Experiment

训练时，主要初始化180个网格S=3
​

性能和之前的网络不相上下，但速率更快
​

Learn from paper

作者认为从初始化区域到目标区域是一个复杂的非线性变化，但是通过迭代更新，感觉训练效率有点低，训练时迭代的话可以构建一个局部神经网络来模拟非线性变化，没必要全部迭代。
​

通过取消建议区域，还是很创新的，感觉迭代算法没什么必要，有更好的代替算法。
​