目标检测任务 docker容器化 目标检测anchor free

faster rcnn anchor：尺寸比例固定
yolo anchor尺寸确定：通过聚类

Anchor Free方法

anchor的简单理解：在特征图上的模板，含有的信息为检测框的大小和尺度

Anchor based 方法小结

 

• Faster rcnn(左上)
• yolo v3(右上)
• ssd (中)
• retinaNet(下)

虽然Anchor based的方法取得了大量成功，但依然存在一些不足：

• anchor box的参数需要手动调整
• anchor box的采样数量太多，降低效率
• anchor box的样本不均衡（负样本过多）

如何绕开anchor框？

Anchor free类方法

anchor free的方法大致可以分成两种：

• 以中心点为基准点的方法（center net）

优点：快

缺点：1）当目标重叠时，只能检测出一个；

           2）大目标中的小目标难以检测出

• 以左上+右下为基准点的方法 (corner net)

 CornerNet

核心思想：对于一个目标，构建一个目标框只需要得知其左上角与右下角两个关键点即可。

要达到这个目标，需要解决什么问题？

1. 为每个目标都找到两个点（找点）
2. 分类点（左上还是右下）
3. 为得到的点进行匹配（匹配点）匹配同个物体一对点

总体框架

1. 图像输入convNet，提取特征
2. 特征分为两路，分别送入两个支路（分类）

• 上路由heatmap（热力图：找点）+embedding（匹配）组成，预测左上点
• 下路组成与上路相同，预测右下点

3. 结合上下路的预测结果，得到目标检测结果

每个模块的内容

• hourglass net （沙漏网络）

hourglass net用于姿态检测，基本结构如下

多尺度特征融合的网络

考虑到hourglass net是组合模块，corner中采用了两个hourglass net组成模型的convnet部分

• 二分输出

从hourglass net输出后，特征经过不同3*3卷积后，得到两路输出，分别送到top-left和bottom-right中。

tl：top left     br：bottom right 

• 特征进入分支后，面临以下问题：

1. 如何检测点？
2. 如何确定检测的点是左上还是右下？
3. 如何将同一个物体的左上角和右下角联系起来？

将一个特征图可视化后，我们希望关键点的位置应当比其他位置有着更高的响应。 

 也就是说，特征图中响应最大的点（相当于进行了一次nms）作，即关键点。

那么问题在于：如何判断所检测的关键点是左上角还是右下角？

 如果一个点是左上角的话，那么他右下方应当是目标；

反之，右下角的左上方应当是目标。

考虑到上述问题，则可以设计一个不同方向的池化层，目的在于保留预期区域的特征，删除非预期区域的特征。

corner pooling

右面最大的值和下面最大的值导致左上角响应最高==>相当于将右下的内容转移到左上点：

计算时，反方向求一遍，求完之后加起来。 

三个支路是并行的 

如何将左上点和右下点联系起来？

在取得两个关键点位置的同时，为两个关键点提取特征。

特征越接近的，即说明他们是同一个物体。

因此，在上下两个支路中，lt支路进入lt的corner pooling的模块，分别输出：

- heatmaps (位置)
- embedings （目标）
- offsets (位置纠偏)

综上，corner net的整体结构图如图所示

损失函数

1. heatmaps输出损失（尺寸: batch_size(bs)×128×128(feature map尺寸)×80(类别数)×2(有的网络输出1和0，有的没有)） 

ycij：第c张热力图(i，j)位置为第c类的角度

focal loss（交叉熵损失多了一个a次方）

Focal Loss 是一种用于解决类别不平衡问题的损失函数，由Lin et al.在论文"Focal Loss for Dense Object Detection"中提出。它通过减少易分类的样本对损失函数的贡献，来提高难分类样本的权重，从而改善模型在类别不平衡情况下的性能。

Focal Loss的公式如下：（热力图的损失）

FL(p_t) = -α_t(1-p_t)^γ * log(p_t)

其中，p_t为模型预测的概率值，α_t为类别权重，γ为调节难易样本权重的因子。当γ=0时，Focal Loss等价于交叉熵损失；当γ>0时，Focal Loss会降低易分类样本的权重，提高难分类样本的权重。

1. offset损失 (尺寸: bs×128×128×80×2（deta x，deta y））

pull：令相同的物体的两个点尽可能相近

push：令不同物体的两个点尽可能相远

1. offsets损失 （尺寸: bs×128×128×2） 

总体损失

center net

center net在速度和精度上超越了yolo v3

 首先，图像输入bottel net进行下采样，得到feature map

其次，分三个支路进行预测。

与corner net不同，特征图不需要进行corner pooling

支路1: 预测中心点，根据feature map得到大致坐标

支路2: 估计出一个偏置，应对池化和padding等过程造成的位置偏移

支路3: 估计出一个框的尺寸，得到目标框。

 相比于之前的anchor based方法，对待有不同的ground truth方式。

anchor based 方法： 计算iou，IOU重合超过0.7的框即为正例，否则为负例

anchor free方法：中心点按高斯分布，逐渐降低权重向外扩散。

损失函数

 

姿态检测

更进一步地，center net可以用于姿态检测。

也就是说预测人体的N个关键点，并对其进行合并识别，可以得到人体上的多个位置，从而得到姿态。