文章目錄

• • 一、背景和動(dòng)機(jī)
  • 二、方法
  • 三、效果

一、背景和動(dòng)機(jī)

目標(biāo)檢測(cè)在很長(zhǎng)一段時(shí)間內(nèi)都是被 anchor-based 的方法統(tǒng)治，后來(lái)出現(xiàn)了一些基于 FPN 和 Focal loss 的 anchor-free 的方法，也取得了一些較好的效果。

該文章指出，anchor-based 和 anchor-free 的方法最大的不同，就是如何判斷正負(fù)樣本，這是導(dǎo)致上述兩種方法性能 gap 的最大的原因。如果他們使用相同的方法來(lái)定義正負(fù)樣本，最后的性能幾乎沒(méi)有差別。這也就說(shuō)明了定義正負(fù)樣本的重要性。

retinanet 使用 IoU 的方法來(lái)區(qū)分前景/背景，FCOS 使用 spatial and scale constrict 的方法判斷前景/背景，這些方法都是需要設(shè)定閾值參數(shù)的，這些確定的規(guī)則雖然對(duì)大多數(shù)目標(biāo)適用，但對(duì)一些 outer 的目標(biāo)是不使用的，所以，對(duì)不同的目標(biāo)應(yīng)該用不同的規(guī)則。

于是，該文章提出了 Adaptive Training Sample Selection (ATSS) ，來(lái)根據(jù)目標(biāo)的統(tǒng)計(jì)信息，自動(dòng)選取正負(fù)樣本，無(wú)任何超參數(shù)。

二、方法

對(duì)圖中的每個(gè)grund-truth box $g$：

• 首先尋找所有的候選正樣本（line 3-6），也就是對(duì)每個(gè)pyramid level，計(jì)算每個(gè)anchor的中心點(diǎn)和目標(biāo)的中心點(diǎn)的L2距離，選擇 $k$ 個(gè) anchor box。如果有 $L$ 層，則共有 $L\times k$ 個(gè)。
• 計(jì)算每個(gè)候選正樣本和 ground truth $g$ 之間的 IoU （$D_g$, line 7）
• 計(jì)算這組IoU的均值 $m_g$ 和方差 $v_g$，(line 8-9)，設(shè)置選取正樣本的閾值為：$t_g=m_g+v_g$ (line 10)
• 根據(jù) IoU，選擇那些 IoU 大于等于閾值的后炫酷作為最終的正樣本（line11-15)
• 如果一個(gè)框被幾個(gè)不同的 gt 都分配過(guò)去了，那就選擇 IoU 最高的。
• 其他的作為負(fù)樣本

為什么要使用非固定的閾值？

本文的閾值是一個(gè)統(tǒng)計(jì)結(jié)果，如圖 3(a) 有一個(gè)高的閾值，這是因?yàn)檫@里的候選框質(zhì)量都很高，如圖3(b) 有一個(gè)低的閾值，說(shuō)明這里的框的質(zhì)量都不高，如果使用高閾值的話，會(huì)把絕大部分的框都濾掉，不合適，所以使用統(tǒng)計(jì)的量作為閾值是一個(gè)可取的方式。

對(duì)不同尺寸目標(biāo)的不均衡的修正：

根據(jù)統(tǒng)計(jì)理論，大約16%的框會(huì)落到 $[m_g+v_g,1]$ 這個(gè)區(qū)間內(nèi)，雖然 IoU 的分布不是正態(tài)分布，但統(tǒng)計(jì)結(jié)果表明大約有 $0.2?kL$ 的正樣本，這是不隨尺度、aspect ratio、location 而改變的。但 retinanet 和 fcos 的方法，會(huì)更多的關(guān)注于大尺度的正樣本，導(dǎo)致不同大小的目標(biāo)數(shù)量不均衡。

三、效果

以 FCOS 為基礎(chǔ)，添加 ATSS 模塊作為對(duì)比基準(zhǔn)：

總結(jié)

以上是生活随笔為你收集整理的【目标检测】ATSS: bridging the gap between anchor-based and anchor-free detection via ATSS （cvpr20)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。