[自动驾驶]--ICCV2019-Gaussian YOLOv3

摘要：

目标检测算法在自动驾驶车辆中的应用越来越重要，高精度、快速的目标检测是实现自动驾驶安全的关键。在自动驾驶过程中，由于错误的定位而产生的假阳性(FP)会导致致命的交通事故，阻碍安全高效的驾驶。因此，在自主驾驶应用中需要一种能够应对错误定位的检测算法。此外，本文还提出了一种定位不确定度的预测方法，该方法可以反映bbox的可靠性。通过在检测过程中利用预测的定位不确定性，可以显著降低FP，提高真正值(true positive, TP)，从而提高检测精度。与传统的YOLOv3算法相比，本文提出的高斯YOLOv3算法对KITTI和Berkeley deep drive (BDD)数据集的平均精度分别提高了3.09和3.5。然而，该算法能够以超过42帧/秒(fps)的速度进行实时检测，并且在具有类似fps的情况下，比之前的方法具有更高的精度。因此，该算法是最适合自主驾驶应用的算法。

正文：

Motivation:
自动驾驶领域对算法的精度和速度要求都比较高，512*512的分辨率输入情况下，之前的模型可以取得很高的精度，但是速度都没超过30帧。此外，以往基于深度学习的对象检测算法最关键的问题之一是，被检测对象的bbox坐标是已知的，而bbox结果的不确定性是未知的，造成了一些误检测情况，这个对于自动驾驶来说是非常致命的。因此，对被检测车辆的不确定性进行预测，并将其与客观分数和等级分数结合起来考虑，对于降低车辆的FP，预防自动驾驶事故的发生具有十分重要的意义，其实就是IOUnet的思想。本文提出使用预测bbox的定位准确性来降低FP，提高TP，并且因此增加的计算量可以忽略不计，仍然可以保持很快的速度。
网络结构：

标准的yoloV3网络如上图所示，对于每一个bbox，原网络是需要预测四个坐标和objectness score，和分类得分。由于bbox坐标输出为确定的坐标值，而不是分数，因此检测到的bbox的置信度是未知的。本文重点是对bbox的不确定性进行建模。

由于一个目标的bbox的正确gt只有一个，因此预测一个位置的不确定性不需要很复杂的建模。换句话来说，一个bbox的不确定性可以用x,y,w,h的每一个高斯模型来建模。建模公式如下：

对预测出的均值和方差做对应的处理。均值是检测器预测的bbox坐标，每个方差代表了个每个坐标的不确定性。此外，论文中对损失函数部分进行了修改，主要修改的是坐标回归处的损失，其他的分类和前景的交叉熵损失没变化。

定义了一个负Log似然损失函数，用来计算每一个坐标值的损失，来衡量坐标的不确定性：

实验结果：

1.在KITTI和BDD数据集上的效果对比


2.FP和TP的效果

备注：论文并未在coco上做详细的实验，因此只能算是自动驾驶领域的一个针对性检测算法，而非通用目标检测算法