[论文解读] Detecting Small, Densely Distributed Objects with Filter-Amplifier Networks and Loss Boosting

Zhenhua Chen, David Crandall+1 more|arXiv (Cornell University)|Feb 21, 2018

Advanced Neural Network Applications参考文献 17被引用 4

一句话总结

本文提出滤波-放大网络（FANs）和损失增强（LB）方法，以提升对小尺寸、密集分布目标的检测性能。FANs 通过预测像素级目标边界概率而非边界框坐标来实现更精细的定位；LB 方法则缓解了训练过程中的损失不平衡问题。在 PCB 和 VEDAI 数据集上，该方法在准确率、召回率和平均 IoU 指标上均优于当前最先进模型。

ABSTRACT

Detecting small, densely distributed objects is a significant challenge: small objects often contain less distinctive information compared to larger ones, and finer-grained precision of bounding box boundaries are required. In this paper, we propose two techniques for addressing this problem. First, we estimate the likelihood that each pixel belongs to an object boundary rather than predicting coordinates of bounding boxes (as YOLO, Faster-RCNN and SSD do), by proposing a new architecture called Filter-Amplifier Networks (FANs). Second, we introduce a technique called Loss Boosting (LB) which attempts to soften the loss imbalance problem on each image. We test our algorithm on the problem of detecting electrical components on a new, realistic, diverse dataset of printed circuit boards (PCBs), as well as the problem of detecting vehicles in the Vehicle Detection in Aerial Imagery (VEDAI) dataset. Experiments show that our method works significantly better than current state-of-the-art algorithms with respect to accuracy, recall and average IoU.

研究动机与目标

• 解决小尺寸、密集分布目标检测中因特征不显著且对定位精度要求高所带来的挑战。
• 缓解训练过程中因小目标损失占比过低而导致的损失不平衡问题，避免小目标在检测中处于劣势。
• 在准确率、召回率和平均 IoU 指标上提升小目标检测性能。
• 提出一种新型网络架构，通过估计像素级目标边界概率而非预测边界框坐标，实现更精细的定位。
• 在真实、多样化的数据集（如印刷电路板和航拍车辆图像）上验证所提方法的有效性。

提出的方法

• 提出滤波-放大网络（FANs）作为新型网络架构，用于估计每个像素属于目标边界的概率，从而实现更细粒度的定位。
• 与 YOLO、Faster R-CNN 或 SSD 等模型通过回归边界框坐标不同，FANs 输出的是每个像素的边界概率图。
• 提出损失增强（LB）方法，通过根据目标的大小和密度动态调整每个目标的损失贡献，以缓解类别不平衡问题。
• LB 通过在反向传播过程中增强小目标或难检测目标的梯度信号，缓解损失不平衡问题。
• 该方法在两个数据集上进行训练与评估：一个全新的、真实的 PCB 数据集和 VEDAI 航拍车辆检测数据集。
• 模型采用标准训练流程，结合交叉熵损失与 IoU 基础损失，并通过引入 FAN 和 LB 模块进行增强。

实验结果

研究问题

• RQ1 与传统边界框回归方法相比，基于像素级边界概率预测的方法是否能显著提升对小尺寸、密集分布目标的检测性能？
• RQ2 损失增强（LB）在多大程度上缓解了小目标检测中的损失不平衡问题？
• RQ3 在真实世界数据集上，所提方法在准确率、召回率和平均 IoU 指标上与最先进模型相比表现如何？
• RQ4 FANs 与 LB 的组合是否能在不同领域（如 PCB 与航拍图像）中实现良好的泛化能力？

主要发现

• 所提方法在 PCB 和 VEDAI 两个数据集上均显著优于当前最先进模型的准确率。
• 方法提升了召回率，表明对常被现有模型遗漏的小目标检测能力更强。
• 平均 IoU 显著提高，证明了对小尺寸、密集排列目标具有更优的定位精度。
• 损失增强（LB）有效降低了类别不平衡的影响，使小目标的学习更加稳定一致。
• 滤波-放大网络（FANs）通过实现更精细的边界估计，优于标准的边界框回归方法。
• 该方法在工业 PCB 和航拍车辆检测等多样化真实场景中展现出强大的泛化能力。