检测算法中候选区域的生成方法

心已赠人 2022-03-15 14:44 278阅读 0赞

检测网络依赖于候选区域的位置，候选区域的生成方法和原始位置直接决定了整个算法的时间和效果。基于此，本文对当前主流检测算法faster-rcnn, yolo和ssd中候选区域的生成方法进行总结。

*  faster-rcnn候选区域的生成方法

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70][][faster-rcnn网络插图][faster-rcnn]

候选区域网络RPN的工作过程如上图右所示，采用anchor机制，在特征图上的每个像素位置生成k个anchor boxes，然后生成256维度的向量，作为分类和回归分支的输入，从而得到回归后的位置和是否为物体的分类信息。

由论文网络本身可知，faster-rcnn的候选区域是RPN网络的输出经roipooling后的box，那么RPN网络用于回归的原始anchor box是如何生成的，图右侧红框(滑窗)又是如何来的呢。首先滑窗的中心是特征图中的每个像素点，滑窗大小为特征图变为原图分辨率时需要放大的比例(论文中的网络结构处理后缩放比例为16)。k个anchor boxes指定的参数包括ratios和scales，这两个参数变化的基础就是滑窗的大小16。计算过程是通过修改anchor的长宽比，然后再进行尺度变换即可。具体的可参考文章[faster rcnn如何生成anchors][faster rcnn_anchors]。

1.  设滑窗的面积为A，则anchor box宽的计算结果为round(sqrt(A\*ratios))，高的计算结果为anchor box的宽\*ratios。
2.  对长宽比变换后的anchor box的宽和高乘以scales即可

*  yolo v1候选区域的生成方法

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 1][][yolov1推理过程][yolov1]

由图可知，与faster rcnn通过全连接层分别得到分类和检测分支不同的是，yolov1通过全连接层输出后，对全连接层的节点重新进行reshape，得到7\*7\*30的detection层，7\*7的feature map上的每一点对应原图均分为7\*7后的一块儿区域，即上图的红框区域，30的深度信息分别表示两个检测框的坐标信息和分类信息。其中坐标信息包括box中心点相对于当前栅格在原图起始位置的偏移和box宽高相对于原图分辨率的比例及是否包含物体的置信度。综上，yolov1没有预设的候选区域，是通过全连接层激活后对应位置的值进行坐标回归的。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 2][] 物体中心所在的grid负责回归

*  yolov2候选框的生成方法

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 3][] 候选框回归过程

yolov2采用的faster rcnn中的anchor机制得到候选框区域，不同的是：

1.  anchor是基于当前feature map维度聚类获得的；
2.  此处的anchor参数信息为长宽值；
3.  回归元素为target-box的中心点和宽高信息；

*  yolov3候选框的生成方法

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 4][] yolov3网络结构

yolov3候选框的选择方法和v2类似，不同的是：

1.  在三个不同层位置使用了anchors进行回归；
2.  单层anchor的数量由5个扩大到9个；

*  ssd候选区域的生成方法

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 5][] 在不同feature map上利用anchor进行位置回归

ssd候选框也是针对anchor进行的，利用了Multi-box机制(类似inception结构)在不同特征图上进行计算，可参考下图。yolov3也借鉴了类似的思路，不过yolov3利用了resnet机制和upsample机制。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 6][]

参考文献：

1.  [Object Detection for Dummies Part 3: R-CNN Family][Object Detection for Dummies Part 3_ R-CNN Family]
2.  [YOLO presentation][]
3.  [yolo配置文件详解][yolo]
4.  [Zero to Hero: Guide to Object Detection using Deep Learning: Faster R-CNN,YOLO,SSD][Zero to Hero_ Guide to Object Detection using Deep Learning_ Faster R-CNN_YOLO_SSD]
5.  [Understanding SSD MultiBox — Real-Time Object Detection In Deep Learning][Understanding SSD MultiBox_Real-Time Object Detection In Deep_Learning]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70]: /images/20220315/9c8acbcdf5d24918ac7430408f77df53.png
[faster-rcnn]: https://lilianweng.github.io/lil-log/assets/images/faster-RCNN.png
[faster rcnn_anchors]: https://blog.csdn.net/hzhj2007/article/details/83315228
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 1]: /images/20220315/cf3005ea67364340b2feb11029d314bd.png
[yolov1]: https://docs.google.com/presentation/d/1aeRvtKG21KHdD5lg6Hgyhx5rPq_ZOsGjG5rJ1HP7BbA/pub?start=false&loop=false&delayms=3000&slide=id.g137784ab86_4_1738
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 2]: /images/20220315/c28da5c3828642009f0d9f0290c486a2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 3]: /images/20220315/b9103ca6aea74d40b88e85a8bd64c084.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 4]: /images/20220315/3eeae96f5b1442b78c3dec67149195dc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 5]: /images/20220315/6e7b260a51f845159d80f3dc6910d5d5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 6]: /images/20220315/d0e69745750c41cf8d10ae72d610860e.png
[Object Detection for Dummies Part 3_ R-CNN Family]: https://lilianweng.github.io/lil-log/2017/12/31/object-recognition-for-dummies-part-3.html
[YOLO presentation]: https://docs.google.com/presentation/d/1aeRvtKG21KHdD5lg6Hgyhx5rPq_ZOsGjG5rJ1HP7BbA/pub?start=false&loop=false&delayms=3000&slide=id.p
[yolo]: https://medium.com/@chih.sheng.huang821/%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92-%E7%89%A9%E4%BB%B6%E5%81%B5%E6%B8%ACyolov1-yolov2%E5%92%8Cyolov3-cfg-%E6%AA%94%E8%A7%A3%E8%AE%80-%E4%BA%8C-f5c2347bea68
[Zero to Hero_ Guide to Object Detection using Deep Learning_ Faster R-CNN_YOLO_SSD]: https://cv-tricks.com/object-detection/faster-r-cnn-yolo-ssd/
[Understanding SSD MultiBox_Real-Time Object Detection In Deep_Learning]: https://towardsdatascience.com/understanding-ssd-multibox-real-time-object-detection-in-deep-learning-495ef744fab