RefineDet论文解读：Single-shot Refinement Neural Network for Object Detection

Single-shot Refinement Neural Network for Object Detection

（CVPR 2018）

该论文结合了one-stage和two-stage方法，具体来说是结合的Faster RCNN和SSD。前者首先提取候选区域，再进行目标的分类和回归，检测精度高于后者；后者的检测速度快，精度稍差，主要原因是因为正负样本比例严重失调。RefineDet结合了这两种方法，克服它们各自的缺点。

主要的网络结构图如下，包括ARM anchor细化（Anchor Refinement Module）模块和ODM 目标检测(Object Detection Module)模块。ARM是一个简化后的SSD网络，在多个尺度下进行anchor的前景背景二分类，同时通过回归对目标框的位置和尺寸进行大致的调整，为后续的ODM模块提供一个好的初始化区域。相当于Faster RCNN中的RPN提取部分，不同的是此处为多尺度预测anchor；ODM可以看做一个fast RCNN，对提取出来的兴趣目标区域进行多尺度的预测，包括目标类别分类和目标框回归。二者之间通过TCB（Transfer Connection Block）进行不同网络层的特征融合，共享特征，如下图所示。总体来看，ARM减小分类器的搜索空间，粗略描述anchor的位置和大小。TCB将ARM中的特征，传输给ODM模块，以获取更加准确的目标位置和大小。网络将原来two-stage的串行结构转化成了并行结构。

one-stage精度落后于two-stage的一个主要原因是类别不平衡。为了解决这种问题，作者采用了Negative anchor过滤。在训练阶段，针对ARM中的anchor，如果negative confidence大于一个阈值θ（θ=0.99），那么在训练ODM时将它舍弃。也就是通过hard Negative anchor和ARM anchor来训练ODM。

损失函数包括两部分：ARM损失和ODM损失。