设为首页收藏本站

VALSE

查看: 594|回复: 0

【VALSE前沿选介2018-02期】

[复制链接]

114

主题

114

帖子

1098

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
1098
发表于 2018-4-26 17:42:41 | 显示全部楼层 |阅读模式
该文章属于“VALSE”原创,未经授权禁止转载。

原文链接:https://mp.weixin.qq.com/s?__biz=MzA3Mjk0OTgyMg==&tempkey=OTU0XzBjRTJIUjFBZHgzNVB1K3EwWWtRa2c3YlBYcU1rYkdKRjhzSXVyOUNDSUNFTFNYTEViNXVKVjBnWlBEMm5aZHh2R2RwSEJUQU5GRTh1dU52TE1xanRCcG84QVZtQldGWURMX05YUGhha0ZtM0N4US10R3lDa3I1MjlmOGlGTFdXdFBldVI5cXFaRkVrOGY5azZLWXlHYnpiSnRWTDlWaWtiTUJFZWd%2Bfg%3D%3D&chksm=04e6d9993391508fb44b082cbe034a03d1cd9b1c583bbce6dcb9d9f5cb5dd7c8a1265372ebd1#rd

CVPR18 Detection文章选介(上)
作者:Winsty

首先,欢迎各位同学明天参加在大连举办的VALSE2018研讨会~ 组委会为大家组织了一场学术盛宴,希望大家都能有所收获,并且玩得愉快~
今天给大家介绍一篇个人觉得对detection非常有insight的一篇文章:"Cascade R-CNN: Delving into High Quality Object Detection"。
在这篇文章中,作者对detection问题中的两个核心,分类和定位做出了细致的分析和观察,并从这样的观察中得到启发,提出了一个非常简单易行,但是效果十分显著的办法。
这篇文章的基础是two-stage detector,如RCNN,RFCN等,在这些two stage detector中,都会有一个header的结构来对每一个proposal同时做两件事情:classification和bounding box regression(bbox reg)。在classification中,每个proposal会被根据一个指定的IoU值分为正样本和负样本;在bbox reg中,每个被标记为正样本的bbox会向其assign的ground-truth方向回归。
这里作者第一个关键的发现是在classification中,指定不同的IoU划分正负样本,会导致bbox reg的行为完全不一样。如下图左,横轴是输入的proposal的IoU,纵轴是经过bbox reg之后的bbox和ground-truth的IoU。可以看到,低IoU threshold对于低IoU的样本有更好的改善,但是对于高IoU的样本就不如高threshold的有用。原因在于不同threshold下样本的分布会不一致,也就导致同一个threshold很难对所有样本都有效。
1.png
一个直接的想法是,为什么不可以直接使用高IoU呢?这就会导致第二个问题,也就是proposal的质量过差,导致高IoU的正样本数太少。如果强行这样训练的话,就会导致严重的overfitting问题。如上图右所示,threshold从0.5到0.6,最终的detection AP有些许上升,但是进一步提升到0.7,AP会急剧下降。
2.png
所以为了解决以上两个问题,作者提出了一个Cascade RCNN head的办法(上图d)。即有多个IoU threshold递增的header,每一级使用上一级refine过后的bbox作为输入。这样可以保证每一级的header都可以得到足够多的正样本,且正样本的质量可以逐级提升。在训练和测试时,这个操作也都保持一致。在测试中,作者使用多个header输出的均值作为这个proposal最终的分数,可以证明对结果会有进一步的提升。
不同于之前的工作,像Iterative bbox refinement,每次refine使用的是同样threshold训练出来的header,这会导致IoU到一定值之后很难更进一步改善;像Integral loss,只有一个bbox reg,但是有针对不同threshold的classifier,这本质上也并不能改善最终定位的精度。
在实验中,作者在COCO dataset上做了细致的分析,在多个不同backbone的网络上都可以持续性地提升3~4个点的AP。这对于COCO来说,已经是非常显著的改进了。同时,这个结果对比其他state-of-the-art方法仍然也很有优势。
3.png
个人总结:Detection其实并不是一个很合适的分类问题,没有一个明确的离散的正负样本的定义,而是通过IoU来连续定义的。但是IoU这个指标很难通过gradient descent来优化,虽然之前也有一些IoU loss的工作,但是效果并不理想。Cascade RCNN便是一个在这个方向上很好的尝试。

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|小黑屋|Vision And Learning SEminar    

GMT+8, 2018-11-22 02:14 , Processed in 0.059209 second(s), 28 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表