R-FCN

R-FCN是何愷明/孫劍小組的Jifeng Dai于2016年提出的。

論文：

《R-FCN: Object Detection via Region-based Fully Convolutional Networks》

代碼：

https://github.com/PureDiors/pytorch_RFCN

faster R-CNN對卷積層做了共享（RPN和Fast R-CNN）,但是經過RoI pooling后，卻沒有共享，如果一副圖片有500個region proposal，那么就得分別進行500次卷積，這樣就太浪費時間了，于是作者猜想，能不能把RoI后面的幾層建立共享卷積，只對一個feature map進行一次卷積？

上圖是R-FCN的網絡結構圖。和上一節的Faster R-CNN相比，我們可以看出如下區別：

1.Faster R-CNN是特征提取之后，先做ROI pooling，然后再經過若干層網絡，最后分類+bbox。

2.R-FCN是特征提取之后，先經過若干層網絡，然后再做ROI pooling，最后分類+bbox。

FC layer在近來的CV實踐中，越來越不受歡迎，因此R-FCN在最后的分類+bbox階段，也做了一些針對性的改進（如上圖所示）：

1.直接將roi pooling生成的feature map連接到最后的分類和回歸層效果很差。這主要是因為：基CNN本身是對圖像分類設計的，具有圖像移動不敏感性；而對象檢測領域卻是圖像移動敏感的，所以二者之間產生了矛盾。

2.因此R-FCN專門設計了一個position-sensitive score maps。在feature map上通過卷積運算生成一個等大但通道數為$k^2(C+1)$的feature map X。

3.對這個feature map進行特殊的ROI pooling。

標準的ROI pooling：將ROI在空間上分成kxk部分，對每個部分進行pooling操作。

R-FCN的ROI pooling：將ROI在通道上分成kxk部分，對每個部分進行pooling操作，得到一個尺寸為kxkx(C+1)的tensor。上圖中各種顏色部分之間的對應關系，展示了該ROI pooling操作的實現方式。

從中可以看出，feature map X不僅在空間維度上對位置敏感，在通道維度上也對位置敏感。因此也被稱作position-sensitive score maps。

4.對上一步結果的每個C+1部分進行分類，這樣可以得到kxk個分類結果。對所有的分類結果進行vote，得到最終結果。

從上面兩圖可以看出，vote的規則就是簡單多數，因此k需要是奇數才行。

5.bbox也是類似的操作，只需將上面的C+1換成4（bbox位置的坐標）即可。

參考：

http://blog.csdn.net/zijin0802034/article/details/53411041

R-FCN: Object Detection via Region-based Fully Convolutional Networks

https://blog.csdn.net/App_12062011/article/details/79737363

R-FCN

https://mp.weixin.qq.com/s/HPzQST8cq5lBhU3wnz7-cg

R-FCN每秒30幀實時檢測3000類物體，馬里蘭大學Larry Davis組最新目標檢測工作

https://mp.weixin.qq.com/s/AddHG_I00uaDov0le4vdvA

R-FCN和FPN

FPN

FPN(Feature Pyramid Network)是Tsung-Yi Lin（Ross Girshick和何愷明小組成員）的作品（2016.12）。

論文：

《Feature Pyramid Networks for Object Detection》

• 圖（a）為手工設計特征描述子（Sift,HoG,Harr,Gabor）時代的常見模型，即對不同尺寸的圖片提取特征，以滿足不同尺度目標的檢測要求，提高模型性能；

• 圖（b）則是深度卷積網的基本結構，通過不斷的卷積抽取特征同時逐漸增加感受野，最后進行預測；

• 圖（c）則是融合深度網絡的特征金字塔模型，眾所周知深度網在經過每一次卷積后均會獲得不同尺度的feature map，其天然就具有金字塔結構。但是由于網絡的不斷加深其圖像分別率將不斷下降，感受野將不斷擴大，同時表征的特征也更叫抽象，其語義信息將更加豐富。SSD則采用圖c結構，即不同層預測不同物體，讓top層預測分辨率較高，尺寸較大的目標，bottom則預測尺寸較小的目標。然而對于小目標的檢測雖然其分辨率提高了但是其語義化程度不夠，因此其檢測效果依舊不好。

• 圖（d）則是FPN的網絡結構，該網絡結構大體上分為三個部分，即buttom-up自底向上的特征抽取，自頂向下的upsampling，以及側邊融合通道（lateral coonnection）。通過這三個結構網絡的每一層均會具有較強的語義信息，且能很好的滿足速度和內存的要求。

上圖是加了FPN之后的ResNet，其中的虛線框表示的是通道融合的方法。U-Net采用了concat模式融合下采樣和上采樣通道，而這里則是沿用了ResNet的融合方法：Tensor Add。

上圖是Faster R-CNN+FPN。原始的Faster R-CNN的RoI pooling是從同一個feature map中獲得ROI，而這里是根據目標尺度大小，從不同尺度的feature map中獲得ROI。

參考：

https://mp.weixin.qq.com/s/mY_QHvKmJ0IH_Rpp2ic1ig

目標檢測FPN

https://mp.weixin.qq.com/s/TelGG-uVQyxwQjiDGE1pqA

特征金字塔網絡FPN

https://zhuanlan.zhihu.com/p/58603276

FPN-目標檢測

RetinaNet

RetinaNet也是Tsung-Yi Lin的作品（2017.8）。

論文：

《Focal Loss for Dense Object Detection》

我們已經指出“類別不平衡”是導致One-stage模型精度不高的原因。那么如何解決這個問題呢？

答案是：Focal Loss。

上圖是RetinaNet的網絡結構圖，可以看出它是一個One-stage模型?；鞠喈斢?#xff1a;ResNet+FPN+Focal loss。

參考：

https://blog.csdn.net/jningwei/article/details/80038594

論文閱讀: RetinaNet

https://zhuanlan.zhihu.com/p/68786098

再談RetinaNet

CornerNet

傳統的目標檢測網絡，無論是One-stage還是Two-stage，都有基于Anchor的。Anchor的作用主要在于：顯式枚舉出不同的scale和aspect ratio的基準bbox。

但就本質而言，**框對于物體來說不是一個最好的表示。**框的頂點可能甚至都不在物體上，離物體本身已經很遠了。

因此，自2018年以來，逐漸有一些不基于anchor的目標檢測方法出現，形成了一股Anchor-Free的熱潮。下面將首先介紹一下，該類方法的開山之作——CornerNet。

CornerNet并非第一個提出Anchor-Free思想的模型，但卻是第一個精度和性能達到與anchor base方法同等水平的Anchor-Free模型。

---

CornerNet是Princeton University的Hei Law的作品。（2018.8）

論文：

《CornerNet: Detecting Objects as Paired Keypoints》

CornerNet認為Two-stage目標檢測最明顯的缺點是在Region Proposal階段需要提取anchor boxes。這樣做導致兩個問題：

• 提取的anchor boxes數量較多，比如DSSD使用40k，RetinaNet使用100k，anchor boxes眾多造成正負樣本不均衡。

• Anchor boxes需要調整很多超參數，比如anchor boxes數量、尺寸、比率，影響模型的訓練和推斷速率。

上圖是CornerNet的網絡結構?？梢钥闯鏊饕蓛刹糠纸M成：

Hourglass Network

這是CornerNet的骨干部分。

Bottom-right corners & Top-left Corners Prediction Module

CornerNet堆疊兩個Hourglass Network生成Top-left和Bottom-right corners，每一個corners都包括corners Pooling，以及對應的Heatmaps, Embeddings vector和offsets。

上圖是Heatmaps, Embeddings vector的示意圖。

• heatmaps包含C channels（C是目標的類別，沒有background channel），每個channel是二進制掩膜，表示相應類別的頂點位置。

• embedding vector使相同目標的兩個頂點（左上角和右下角）距離最短。或者也可以反過來說，兩個頂點的embedding vector越相近，則它們越有可能配對。

• offsets用于調整生成更加緊密的邊界定位框。

corner pooling

corner pooling是CornerNet新提出的一種操作。其步驟如下圖所示：

依top-left corner pooling為例，對每個channel，分別提取特征圖的水平和垂直方向的最大值，然后求和。具體的計算如下圖所示：

論文認為corner pooling之所以有效，是因為：

• 目標定位框的中心難以確定，和邊界框的4條邊相關，但是每個頂點只與邊界框的兩條邊相關，所以corner更容易提取。

• 頂點更有效提供離散的邊界空間，使用$O(w\times h)$頂點可以表示$O(w^2\times h^2)$個anchor boxes。

參考

https://mp.weixin.qq.com/s/e74-zFcMZzn67KaFXb_fdQ

CornerNet目標檢測開啟預測“邊界框”到預測“點對”的新思路

https://zhuanlan.zhihu.com/p/41865617

CornerNet：目標檢測算法新思路

https://mp.weixin.qq.com/s/e6B22xpue_xZwrXmIlZodw

ECCV-2018最佼佼者CornerNet的目標檢測算法

https://mp.weixin.qq.com/s/9ldLaYKGkgq-MnJZw7CrDQ

CornerNet為什么有別于其他目標檢測領域的主流算法？

https://mp.weixin.qq.com/s/ZhfnZ4IwOnTQlqeB6Ilr3A

CornerNet: Detecting Objects as Paired Keypoints解讀

https://zhuanlan.zhihu.com/p/63134919

普林斯頓大學提出：CornerNet-Lite，基于關鍵點的目標檢測算法，已開源！

https://mp.weixin.qq.com/s/8hN1RdYVJQWOqPpejjfXeQ

CornerNet

總結

以上是生活随笔為你收集整理的深度学习（三十六）——R-FCN, FPN, RetinaNet, CornerNet的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。