论文阅读【FCOS】

r囧r小猫 2024-04-18 09:24 60阅读 0赞

### 文章目录 ###

*   *   *   *  Fully Convolutional One-Stage Object Detection
         *  行人检测与通用目标检测：
         *   *  Anchor-base方式的缺点：
         *  一、论文创新点：
         *  二、实验结果：
         *  三、细节部分：
         *   *   *  中心点筛选函数

#### Fully Convolutional One-Stage Object Detection ####

论文：[https://arxiv.org/abs/1904.01355][https_arxiv.org_abs_1904.01355]  
代码： [https://github.com/tianzhi0549/FCOS][https_github.com_tianzhi0549_FCOS]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70]

### 行人检测与通用目标检测： ###

行人检测就是更具体的目标检测，只需要检测出行人即可。与通用目标检测相比，行人检测有自己的差异化特征。  
行人检测和通用目标检测的区别，主要有两点：(1). 检测目标类别数不同; (2). 评测指标不同。第一点大家很容易理解，主要谈谈第二点。通用目标检测的评测指标是mAP@0.5-0.95（越高越好），而行人检测的评测指标是mMR (Log-average Miss Rate)（越低越好）。

**mAP**是对Precision和Recall做整体评估，即P-R曲线下的面积，在这个指标下的低分TP可以带来Recall的提升，因此mAP指标也会提升，这也是RetinaNet\[3\]涨点的一方面，如果观察其P-R曲线就可以发现很长的尾巴。  
评估表的miss rate 是log-average miss rate。这个到底该怎么算啊？

--------------------

首先**fppi**（也叫miss rate）的理解应该是：测试的n幅Full Image 图像下出现了多少个误捡的窗口，假设是100幅中有1个误捡窗口，即fppi为0.01，那么此时的100幅图像中每一幅图像都有自己的miss rate，然后对这些miss rate 求log平均，从而得到log-average miss rate.

若每幅图像miss rate为x。则log-average miss rate为：

2 的 \[ l o g ( x 1 ) + l o g ( x 2 ) + l o g ( x 3 ) + . . . l o g ( x n ) \] / n . . . 次 幂 2的\[log(x1)+log(x2)+log(x3)+...log(xn)\]/n ...次幂 2的\[log(x1)\+log(x2)\+log(x3)\+...log(xn)\]/n...次幂

因此mAP高的模型不一定mMR低。以上就是两个评测指标的区别，两个各有优劣，适用场景不同，例如对于行人检测来说，更重要的是减少FP，如果能减少高分FP将在指标上带来很大的提升。

对于行人检测来说，拥挤遮挡是一个很大的难题，将会导致大量的FP和FN的产生，如图所示：  
![在这里插入图片描述][20200114101406490.png]

在拥挤场景，不同人会相互交叠，导致其特征相互交叉以至于难以区分边界，这个时候检测器很可能会把多个人检测成一个人或者检测框会偏移。此外，目标检测系统最后都会有NMS（非极大值抑制）做后处理，但是如果两个人靠得很近，将很难确定NMS的阈值，太大则会导致误检多，太小导致漏检多。上图可以看到黄色虚线是被NMS误杀导致的FN，红色实线是特征交叉导致的FP。

#### Anchor-base方式的缺点： ####

1,像SSD，RetinaNet，YOLO v2-YOLO v3需要人工设置多种Scale 的 Feature Map（类似FPN，特征金字塔）, 以及Anchor长宽比。  
2. 大量预定义生成的box（2K-100K or more），产生无用的Box负样本增多，训练不均衡  
3. 大量box 产生IOU Loss，会有很多次计算量  
4. ANchor-base 方式的大量超参数需要调试

### 一、论文创新点： ###

1.一种One-stage方法，提出Anchor-free 的Bounding box 检测模式，避免了training中的IOU Loss计算，以及Anchor 检测方式的各种超参数（如scale，长宽比等）  
2.Bounding box后处理仅采用NMS方式，并无其他复杂计算  
3. 如上图，Box 回归采用物体位置中心点 （ x ， y ） （x，y） （x，y）和中心点与四个边的 ( l , t , r , b ) (l, t, r, b) (l,t,r,b)距离  
4. 采用FCN-base +Center Ness减少冗余 box数量，最后 NMS处理

### 二、实验结果： ###

Backbone采用ResNet 101网络，在CoCo数据集上获得44.7%的Map值  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 1]

### 三、细节部分： ###

实验以逐像素预测的方式重新定义目标检测。多级预测来提高召回率和解决由于重叠边界框而产生的歧义。最后，使用Center-ness分支，它有助于抑制低质量检测的边界框，并大大提高了整体性能。  
下图C3-C5是特征图，P3到P7是用于最终预测的特征级别,每个Head预测模块包含 类别预测，中心点Center-Ness抑制冗余box，加Local 位置回归  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 2]  
Loss 损失将Class类别预测和Reg 回归函数相加，  
回归函数这里的 t【 t = ( l ; t ; r ; b ) t = (l; t; r; b) t=(l;t;r;b), 中心点距离四边的 （ l ， r , b , t ） （l，r, b, t） （l，r,b,t）】, 由四个参数组成，先在FPN的每个map上得到大量中心点，判断是否在Ground Truth的区域内，是C\* 为1，否为0；  
然后预测点与Ground Truth的四个边计算t\*， 然后与Ground Truth原有的t作比较。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 3]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 4]

##### 中心点筛选函数 #####

![在这里插入图片描述][20190930103438661.png]  
假设预测点偏离中心点很远，max趋于大值。min趋于小值，则Center-ness越小。。。。。反之，Center-ness值越大说明这个预测中心点越接近真实中心点

[https_arxiv.org_abs_1904.01355]: https://arxiv.org/abs/1904.01355
[https_github.com_tianzhi0549_FCOS]: https://github.com/tianzhi0549/FCOS
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/bfbd094a4d0f460eac448def5aa57e70.png
[20200114101406490.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/31ffc47102ae41e39caa994d464ede4a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/2d0f2c88c7d74c3684498f2aa0770148.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/5989daeef1914a1e8a7339817a6f20e3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/1031c31e77f64c86aaea789eddf87b04.jpg
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/d5b05795b91e43a78af1f395c786f434.png
[20190930103438661.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/03d8d6976e914c05905920620e449ae4.png