Anchor-free目標檢測 | 工業(yè)應用更友好的新網絡（3）

貢獻:

1.通過檢測bbox的一對角點來檢測出目標。

2.提出corner pooling，來更好的定位bbox的角點。

上圖是top-left corner的 Corner Pooling過程。在水平方向，從最右端開始往最左端遍歷，每個位置的值都變成從最右到當前位置為止，出現(xiàn)的最大的值。同理，bottom-right corner的Corner Pooling則是最左端開始往最右端遍歷。同樣的，在垂直方向上，也是這樣同樣的Pooling的方式。

以左上角點為例，當我們決定此點是否個corner點的時候，往往會沿著水平的方向向右看，看看是否與物體有相切，還會沿著垂直方向向下看，看看是否與物體相切。簡而言之，其實corner點是物體上邊緣點和坐邊緣點的集合，因此在pooling的時候通過Corner Pooling的方式能夠一定程度上體現(xiàn)出當前點出發(fā)的射線是否與物體相交。

ExtremeNet:

作者使用了最佳的關鍵點估計框架，通過對每個目標類預測4個多峰值的heatmaps來尋找極值點。另外，作者使用每個類center heatmap來預測目標中心。僅通過基于幾何的方法來對極值點分組，如果4個極值點的幾何中點在center map上對應的分數(shù)高于閾值，則這4個極值點分為一組。

offset的預測是類別無關的，而極值點的預測是類別相關的。對每種極值點heatmap，不包含center map，預測2張offset map（分別對應XY軸方向）。網絡的輸出是5xC heatmaps和4x2offset maps，C是類別數(shù)。

分組算法的輸入是每個類的5個heatmaps，一個center heatmap和4個extreme heatmaps，通過檢測所有的峰值來提取出5個heatmaps的關鍵點。給出4個極值點，計算幾何中心，如果幾何中心在center map上對應高響應，那么這4個極值點為有效檢測。作者使用暴力枚舉的方式來得到所有有效的4個關鍵點。

貢獻：

1.將關鍵點定義為極值點。

2.根據(jù)幾何結構對關鍵點進行分組。

CornerNet和ExtremeNet的區(qū)別：

1.CornerNet通過預測角點來檢測目標的，而ExtremeNet通過預測極值點和中心點來檢測目標的。

2.CornerNet通過角點embedding之間的距離來判斷是否為同一組關鍵點，而ExtremeNet通過暴力枚舉極值點、經過中心點判斷4個極值點是否為一組。

FSAF:

讓每個實例選擇最好的特征層來優(yōu)化網絡，因此不需要anchor來限制特征的選擇。

一個anchor-free的分支在每個特征金字塔層構建，獨立于anchor-based的分支。和anchor-based分支相似，anchor-free分支由分類子網絡和回歸子網絡。一個實例能夠被安排到任意層的anchor-free分支。訓練期間，基于實例的信息而不是實例box的尺寸來動態(tài)地為每個實例選擇最合適的特征層。選擇的特征層學會檢測安排的實例。推理階段，F(xiàn)SAF模塊和anchor-based分支獨立或者聯(lián)合運行。

在RetinaNet的基礎上，F(xiàn)SAF模塊引入了2個額外的卷積層，這兩個卷積層各自負責anchor-free分支的分類和回歸預測。具體的，在分類子網絡中，feature map后面跟著K個3x3的卷積層和sigmoid，在回歸子網絡中，feature map后面跟著4個3x3的卷積層和ReLU。

實例輸入到特征金字塔的所有層，然后求得所有anchor-free分支focal loss和IoU loss的和，選擇loss和最小的特征層來學習實例。訓練時，特征根據(jù)安排的實例進行更新。推理時，不需要進行特征更新，因為最合適的特征金字塔層自然地輸出高置信分數(shù)。

FCOS:

和語義分割相同，檢測器直接將位置作為訓練樣本而不是anchor。具體的，如果某個位置落入了任何gt中，那么該位置就被認為是正樣本，并且類別為該gt的類別?；赼nchor的檢測器，根據(jù)不同尺寸安排anchor到不同的特征層，而FCOS直接限制邊界框回歸的范圍(即每個feature map負責一定尺度的回歸框)。

Center-ness：

為了剔除遠離目標中心的低質量預測bbox，作者提出了添加center-ness分支，和分類分支并行。

優(yōu)點：

1.將檢測和其他使用FCN的任務統(tǒng)一起來，容易重用這些任務的思想。

2.proposal free和anchor free，減少了超參的設計。

3.不使用trick，達到了單階段檢測的最佳性能。

4.經過小的修改，可以立即拓展到其他視覺任務上。

FoveaBox:

人類眼睛的中央凹：視野(物體)的中心具有最高的視覺敏銳度。FoveaBox聯(lián)合預測對象中心區(qū)域可能存在的位置以及每個有效位置的邊界框。由于特征金字塔的特征表示，不同尺度的目標可以從多個特征層中檢測到。

FoveaBox添加了2個子網絡，一個子網絡預測分類，另一個子網絡預測bbox。

Object Fovea：

目標的中央凹如上圖所示。目標中央凹只編碼目標對象存在的概率。為了確定位置，模型要預測每個潛在實例的邊界框。

FSAF、FCOS、FoveaBox的異同點：

1.都利用FPN來進行多尺度目標檢測。

2.都將分類和回歸解耦成2個子網絡來處理。

3.都是通過密集預測進行分類和回歸的。

4.FSAF和FCOS的回歸預測的是到4個邊界的距離，而FoveaBox的回歸預測的是一個坐標轉換。

5.FSAF通過在線特征選擇的方式，選擇更加合適的特征來提升性能，F(xiàn)COS通過center-ness分支剔除掉低質量bbox來提升性能，F(xiàn)oveaBox通過只預測目標中心區(qū)域來提升性能。

總結：

1.各種方法的關鍵在于gt如何定義

2.主要是基于關鍵點檢測的方法和密集預測的方法來做Anchor-Free

3.本質上是將基于anchor轉換成了基于point/region

下一期我們詳細說說商湯的《CentripetalNet: Pursuing High-quality Keypoint Pairs for Object Detection》，基于向心偏移的anchor-free目標檢測網絡centripetalnet，為基于關鍵點的目標檢測方法研究帶來了新思路。