本文以Tiny-DSOD为主线,介绍其来龙去脉,和相关的几篇文章。
论文:Tiny-DSOD: Lightweight Object Detection for Resource-Restricted Usages
论文链接:https://arxiv.org/abs/1807.11013
caffe代码:https://github.com/lyxok1/Tiny-DSOD
1. Related work
这部分会在后面分别转或者写一些文章
1.1 目标检测milestone方法
1.2 Tiny-DSOD的来龙去脉
1.3. SSD+DenseNet=DSOD
DSOD是第一篇不需要预训练模型的目标检测Paper
DSOD的performance
DSOD的backbone部分
DSOD的Front end部分
1.4. DSOD+DSS module=DSOD v2
DSOD v2主要是在DSOD上增加了下述模块,deep-scale supervised (DSS) module,以进一步验证
深度监督机制(Deep Supervision mechanism)的有效性 。
DSS结构将来自不同blocks的三个不同尺度的feature maps(low, middle and high levels)concatenate成单个预测模块。
在DSOD * v2中,还使用post-activation替换DSOD中BN的pre-activation。 这提高了0.6的mAP
DSOD v2的表现如下表
1.5. Depthwise Separable Convolution
传统的卷积如下图,channels && region同时进行。
而深度可分离卷积(Depthwise Separable Convolution),二者分开进行,如下图,
实验表面,深度可分离卷积减少了参数量,提高了准确率。
对于参数量的计算如下表
1.6. FPN
1.7. Lightweight Object Detection Networks
Tiny-YOLO,SqueezeDet,MobileNet-SSD,Pelee等
2. Motivation
当前的大部分目标检测工作都极其依赖GPU和存储资源,不适合那些有资源限制的应用,所以本文力求做到准确率和资源的平衡,即在尽量不降低准确率的情况下,降低资源的消耗。
3.Contribution
本文的贡献:
结合DenseNet和深度可分离卷积,提出了Depthwise dense block (DDB) ;
结合FPN和深度可分离卷积,提出了D-FPN;
结合提出的Depthwise dense block (DDB)和D-FPN,提出Tiny-DSOD。
4.Method
one-stage的目标检测都是backbone部分提取feature map,Front end部分进行回归,所以分这两部分进行介绍Tiny-DSOD。
4.1 Depthwise Dense Blocks Based Backbone
把深度可分离卷积(depth-wise separable convolution)引入到普通的Dense block,提出了两种DDB units,DDB-a和DDB-b
作者通过实验证明,DDB-b的性能远好于DDB-a,所以我们以b为例进行介绍。
(1)把输入channel压缩到growth rate g(对应DDB-b图的蓝色框部分,1x1的Conv)
(2)进行深度可分离卷积(对应DDB-b图的绿色部分,3x3的DW Conv)
(3)深度可分离卷积的输出直接concatenate到输入,无需额外的1×1projection。
Tiny-DSOD完整的Backbone如下图
4.2 Depthwise FPN based Front-end
放张SSD的Front end图,SSD和DSOD的Front end有局限性,就是浅层的预测层缺乏目标的语义信息。
补充一下,一般认为,深度学习模型浅层学习了目标的结构和分辨率的信息,高层学习了语义信息,而SSD和DSOD都是提取了六个feature map 进行预测,那么前面的,比如上图的38x38和19x19比较低层,此时网络还没学到足够的语义信息。
所以作者设计一个名为depthwise FPN(D-FPN)的轻量级FPN,用于将信息流从较深和较小的feature maps重定向到较浅的。
由下采样(a downsampling path)和反向的上采样(a reverse upsampling path)组成
这种反向的上采样已经被很多文章证明其有效性,但是大部分都是用反卷积来实现,这大大增加了模型的复杂度,也使得模型难以收敛。
作者使用简单的双线性插值层(a simple bilinear interpolation layer)和a depth-wise convolution对the top feature maps进行上采样。
5. Experiment
5.1 Ablation Study on PASCAL VOC2007 test set
(1) DDB-b 优于DDB-a
(2) D-FPN的有效性
(3) Overall growth rate增加, Accuracy上升
(4) 资源 (parameter-size & FLOPs) 和准确率(mAP) 的Trade-off-----Row(5)&(6)
5.2 Benchmark Results on PASCAL VOC2007
5.3 Benchmark Results on KITTI
5.4 Benchmark Results on COCO
6.Conclusion
(1)提出轻量级目标检测(lightweight object detection)方法,即Tiny-DSOD,用于资源受限的场景(resource- restricted usages)。
(2)两个新模块:depthwise dense blocks (DDB)和depthwise feature pyramid networks(D-FPN)
7.Reference
[1] Gao Huang, Zhuang Liu, Laurens Van De Maaten, and Kilian Q. Weinberger. Densely
connected convolutional networks. In CVPR, 2017.
[2] WeiLiu,DragomirAnguelov,DumitruErhan,etal.Ssd:Singleshotmultiboxdetector.
In ECCV, pages 21–37, 2016.
[3] ZhiqiangShen,ZhuangLiu,JianguoLi,etal.Dsod:Learningdeeplysupervisedobject detectors from scratch. In ICCV, pages 1937–1945, 2017.
[4] L. Liu, W. Ouyang, X. Wang, P. Fieguth, J. Chen, X. Liu, and M. Pietikainen . Deep learning for generic object detection: A survey . arXiv preprint arXiv:1809.02165, 2018.
[5] Yuxi Li, Jiuwei Li, Weiyao Lin, and Jianguo Li. Tiny-DSOD: Lightweight Object Detection for Resource-Restricted Usages. In BMVC 2018.
[6] Zhiqiang Shen∗, Zhuang Liu∗, Jianguo Li, Yu-Gang Jiang, Yurong Chen and Xiangyang Xue .
Object Detection from Scratch with Deep Supervision. In arXiv.
[7] Francois Chollet. Xception: Deep learning with depthwise separable convolutions. In CVPR, 2017.
[8] Tsung Yi Lin, Piotr Dollar, Ross Girshick, Kaiming He, et al. Feature pyramid net-
works for object detection. In CVPR, pages 936–944, 2017.