Repulsion loss：专注于遮挡情况下的行人检测

---

一、背景介绍

与通用目标检测相比，遮挡情况在行人检测中更为普遍，为此也是行人检测领域最广为关注的问题之一。现实场景中行人的遮挡情况主要分为两种情况：
一种是其他物体对行人的遮挡，这往往会带来目标信息的缺失，进而导致漏检；
另一种是行人个体之间的相互遮挡，这往往会引入大量的干扰信息，进而导致更多的虚检。
本文重点解决的是后一种情况导致的遮挡问题。作者将对这一问题进行了深入思考，并从loss的层面提出了一种新颖的解决方案，为我们呈现了一场思路和实验都十分精彩的盛宴。

本文重点解决的问题是：
在行人个体之间的相互遮挡时，如何提高行人检测的准确率。

二、主要内容

1.遮挡分析

如上图所示，两个行人个体之间存在着相互遮挡，而这种遮挡对检测算法的影响体现在两个层面：
一是目标框定位不准确，如图中红色框；
二是算法对NMS的阈值的选取更为敏感了，
如果NMS阈值选取过小，则周围的目标框就被过滤掉了（图中蓝色框），但蓝色框对于图中女士而言却是正确的预测，
如果NMS阈值选取过大，则又会带来更多的虚检。
对于这样一个两难问题，作者的解决思路在图中的式中也得到了直观体现：该思路的核心就是一种全新的loss，叫做Repulsion loss，其包括两个部分：前者是使得预测框更接近目标框，后者是使得预测框要尽可能远离周围的目标框。

作者首先研究了现有公开数据集CityPersons中遮挡出现的情况以及这种情况对检测器性能的影响。
在CityPersons验证集中，共有3157个行人标注框，
其中48.8%的行人相互遮挡的IOU高于0.1，
26.4%的行人相互遮挡的IOU高于0.3，