文章目录
- 🚀🚀🚀摘要
- 一、1️⃣ Introduction---介绍
- 二、2️⃣Related Work---相关工作
- 2.1 🎓 基于深度学习的对象检测器
- 2.2 ✨多尺度特征融合
- 2.3 ⭐️数据增强
- 三、3️⃣提议的方法
- 3.1 🎓 具有上下文增强和特征细化的特征金字塔网络
- 3.1.1 ☀️上下文增强模块
- ☀️3.1.2 特征细化模块
🚀🚀🚀摘要
微小的物体由于其低分辨率和小尺寸而很难被探测到。微小目标检测性能差的主要原因是网络的局限性和训练数据集的不平衡性。提出了一种结合上下文增强和特征细化的新型特征金字塔网络。将多尺度展开卷积的特征从上到下融合注入到特征金字塔网络中，补充上下文信息。引入通道和空间特征细化机制，抑制多尺度特征融合中的冲突形成，防止微小目标淹没在冲突信息中。此外，提出了一种数据增强方法copy-reduce-paste，该方法可以增加训练过程中微小对象对损失的贡献，保证训练更加均衡。实验结果表明，所提网络VOC数据集上目标目标的平均精度达到16.9% (IOU=0.5:0.95)，比YOLOV4高3.9%，比CenterNet高7.7%，比RefineDet高5.3%。
一、1️⃣ Introduction—介绍
微小目标检测作为目标检测领域的一个挑战，被广泛应用于自动驾驶、医疗领域、无人机导航、卫星定位、工业检测等视觉任务中。近年来，基于深度学习的目标检测器取得了很大的进展，以yolo、SSD为代表的一阶段算法可以通过前向卷积神经网络直接快速访问到感兴趣的目标。然而，两阶段算法根据生成的候选框获得RoI（感兴趣区域），具有更高的准确性。尽管这些目标检测算法在精度和速度上取得了很大的进步，但在检测微小目标（小于32×32像素）时，其性能仍然很不理想。在大多数公开数据集上，微小物体的检测精度甚至不到较大目标的一半。因此，微小物体检测仍有很大的改进空间。
微小目标检测性能不佳主要是由于网络本身的局限性和训练数据的不平衡造成的。为了获得可靠的语义信息，现代检测器试图叠加越来越多的池化和下采样操作，使得像素较少的微小物体特征在转发传播中逐渐丢失，限制了微小物体的检测性能。FPN可以在一定程度上缓解信息扩散问题，通过水平融合低分辨率特征图和高分辨率特征图。然而，直接融合不同密度的信息会产生语义冲突，限制了多尺度特征的表达，使微小物体容易淹没在冲突信息中。同时，在目前的经典公共数据集中，微小目标的标注数量远远少于较大目标的标注数量。因此，在训练过程中，网络的收敛方向不断向较大的目标倾斜，导致微小目标的性能不佳。因此，我们认为从以上两个方面提高微小物体的检测率是可行的。
为了解决微小目标的特征分散和层与层之间的语义差异问题，本文提出了一种结合上下文增强和特征细化的特征金字塔复合神经网络结构。提出的算法框架如图1所示。
图1:整体网络结构。CAM和FRM是网络的主要组成部分。CAM将上下文信息注入FPN, FRM过滤FPN冲突信息。
它结合了上下文增强模块(CAM)和特征细化模块(FRM)。CAM融合多尺度展开卷积特征，获得丰富的上下文信息，用于特征增强。FRM在通道和空间维度上引入特征细化机制，抑制冲突信息，防止微小目标淹没在冲突信息中。同时，为了保证网络在训练过程中不会倾向于较大的目标，提出了一种称为复制-减少-粘贴的方法来增加训练中微小目标的损失贡献。我们在标准公共数据集PASCAL VOC上进行训练和测试，并通过对比实验和烧蚀实验验证了我们的方法检测微小物体的有效性。本文提出的算法在VOC数据集上的精度达到83.6% (IOU=0.5)，高于大多数比较算法，对微小物体的精度达到16.9% (IOU=0.5:0.95)，高于YOLOV4、CenterNet等前沿网络。
二、2️⃣Related Work—相关工作
2.1 🎓 基于深度学习的对象检测器
目标检测是一项基本的计算机视觉任务，它包含分类和定位两个方面，可以看作是一个回归问题。早期，手工设计的特征被广泛应用于目标检测。然而，手工设计的特征是一种浅特征，在基于cnn的特征出现后逐渐被取代。R-CNN作为两阶段算法的先驱，采用不同大小的先验盒对不同大小的目标进行匹配，然后通过CNN选择候选区域。为了减少训练时间，FastRCNN提取整幅图像的特征图，然后使用空间金字塔池化和RoI池化来生成区域特征并过滤候选区域。为了进一步提高微小目标的精度，EFPN提出了超分辨率特征金字塔结构来放大微小目标特征。与两级网络相比，一级网络速度更快，但精度较低。SSD在图像上密集地放置锚盒来获取目标盒，同时充分利用不同尺度的特征来检测较小的目标。YOLOV3选择基于特征金字塔的三个输出分别检测大、中、微小物体，显著提高了微小物体的检测性能。在FPN中引入了一种高分辨率注意机制，以挖掘微小目标的最有用信息。本文选择YOLOV3作为基准，并在此基础上进行改进。RefineDet引入了一种新的损失函数来解决简单样本和困难样本之间的不平衡问题。最近，基于无锚架构的检测器变得越来越流行。尽管目标检测算法在不断发展和更新换代，但在微小物体检测领域并没有大的突破，微小物体的检测精度仍然较低。
2.2 ✨多尺度特征融合
利用多尺度特征是提高微小物体检测精度的有效方法。 SSD是首次尝试利用多尺度特征来预测目标的位置和类别。 FPN从上到下合并不同粒度的相邻特征图，可以大大提高特征的表达能力，大量类似于FPN的变体结构已经出现。PANet在 FPN的基础上添加了额外的自下而上连接，以更有效地将信息从下层传输到上层。NAS-FPN通过神经架构搜索技术找到了一种新的连接方法。BiFPN改进了 PANet的连接方法，使其更加高效，并在连接点引入了简单的注意力机制。虽然上述结构极大地提高了网络的多尺度表达能力，但它们忽略了不同尺度特征之间冲突信息的存在，而上下文信息的缺乏可能会阻碍性能的进一步提升，尤其是对于微小物体,，很容易被冲突信息淹没，本文充分考虑了冲突信息和上下文信息对检测精度的影响。
2.3 ⭐️数据增强
训练集的预处理一直是深度学习中不可或缺的一部分，例如旋转、变形、随机擦除、随机遮挡、光照扭曲、MixUp等。,最近，一些针对微小物体的数据增强方法被提出。将损失视为一种反馈。将四张图像缩放至相同尺寸并拼接在一起，以增强反馈引导下微小物体检测的性能。与（Chen et al., 2020）不同，（Yu &Koltun, 2015）将 4 张图像缩放为不同尺寸并将它们拼接成一张。（Kisantal et al., 2019）尝试通过复制并粘贴微小对象来实现微小对象数据增强到原始图像。该方法只能增加微小物体的数量，而不能增加包含微小物体的训练图像的数量，一定程度上也会造成训练的不平衡。由于较大的目标广泛分布在每批训练中，本文保证了每批训练中微小目标对损失的贡献，使训练更加平衡。
三、3️⃣提议的方法
本章将详细介绍我们的微小物体检测网络。,如图 1 所示，{C2, C3, C4, C5} 表示输入图像被下采样 {4, 8, 16, 32} 次后的不同级别。 ,{F1,F2,F3}通过一层卷积表示为与{C3,C4,C5}对应的新生成的特征级别，而C2由于杂乱的噪声而被丢弃。 {L1，L2，L3}表示为FPN生成的特征级别，{P1，P2，P3}表示为FRM生成的特征级别。该网络主要由CAM和FRM组成。CAM 的灵感来自于人类识别物体的模式。例如，人类很难区分很高的天空中的鸟，但是当将天空作为上下文信息时，人类就很容易区分。因此，我们认为上下文信息有助于微小物体检测。CAM应用不同空洞卷积率的空洞卷积来获取不同感受野的上下文信息，并将其自上而下注入到FPN中以丰富上下文信息。但由于不同层次FPN之间的语义差异，在共享信息的同时会引入冗余信息和冲突信息。因此，提出FRM来过滤冲突信息，减少语义差异。,通过自适应融合不同层之间的特征，消除层间的冲突信息，防止微小物体特征淹没在冲突信息中。
同时，鉴于微小物体产生的正样本数量较少以及微小物体对丢失的贡献有限，提出了一种称为复制-减少-粘贴的数据增强方法。具体来说，复制训练集中较大的目标，缩小它们，然后将它们粘贴回原始图像。在粘贴过程中，需要保证粘贴的目标不与已有的目标重叠。,上述方法将在下面的章节中详细解释。
3.1 🎓 具有上下文增强和特征细化的特征金字塔网络
3.1.1 ☀️上下文增强模块
微小目标检测需要上下文信息。我们提出使用不同空洞卷积速率的空洞卷积来获取不同感受野的上下文信息，以丰富FPN的上下文信息。结构如图2所示。
图2:CAM的结构:特征分别以1、3、5的速率进行空洞卷积处理。语境信息是通过融合不同感受野的特征得到的图2是cam的结构(Yu &Koltun, 2015)。我们在C5上以不同的空洞卷积速率进行空洞卷积，得到不同感受野的上下文信息。核大小为3×3，空洞卷积速率为1、3和5。可能的融合方式如图3 （a）、（b）和（c）所示。
图3:融合方式。
方法（a）和（c）分别为加权融合和拼接操作。即直接在空间维度和通道维度上添加特征映射。方法(b)是一种自适应融合方法。具体来说，假设输入的大小可以表示为(bs, C, H, W)，我们可以通过卷积、拼接和Softmax操作获得(bs, 3, H, W)的空间自适应权值。三个通道一对一地对应三个输入，通过计算加权和可以将上下文信息聚合到输出。我们通过消融实验验证了每种融合方法的有效性，结果如下表1所示。、
和
分别定义为微小、中等和大型目标的精度。
、
、
分别表示小、中、大目标的召回率。由表1可以看出，（c）对微小物体的优势最大。
和
均增长1.8%。方法(b)对于大中型目标改善最大。方法(a)带来的改进基本上介于两者之间。
表1:CAM的消融实验结果
☀️3.1.2 特征细化模块
提出FPN(Lin et al.， 2017)来融合不同尺度的特征。然而，不同尺度的特征具有不可忽视的语义差异。直接融合不同尺度的特征会带来大量的冗余信息和冲突信息，降低了多尺度的表达能力。因此，提出FRM来过滤冲突信息，防止微小目标特征被淹没在冲突信息中。FRM的整体结构如图4所示。
图4:建议的FRM:(a) FRM的框架。(b) (a)中实线表示的结构
