[论文解读] Adapted Center and Scale Prediction: More Stable and More Accurate

Wenhao Wang|arXiv (Cornell University)|Feb 20, 2020

Advanced Neural Network Applications参考文献 53被引用 16

一句话总结

本文提出自适应中心与尺度预测（ACSP），一种改进的无锚点、单阶段行人检测器，通过引入边界框宽度预测的压缩宽度机制并结合可切换归一化（Switchable Normalization），在原始CSP基础上显著提升了训练稳定性和精度。ACSP在CityPersons基准上达到最先进性能，合理集上对数平均漏检率为9.3%，光秃集上为5.6%，展现出无需专门处理遮挡的高精度检测能力。

ABSTRACT

Pedestrian detection benefits from deep learning technology and gains rapid development in recent years. Most of detectors follow general object detection frame, i.e. default boxes and two-stage process. Recently, anchor-free and one-stage detectors have been introduced into this area. However, their accuracies are unsatisfactory. Therefore, in order to enjoy the simplicity of anchor-free detectors and the accuracy of two-stage ones simultaneously, we propose some adaptations based on a detector, Center and Scale Prediction(CSP). The main contributions of our paper are: (1) We improve the robustness of CSP and make it easier to train. (2) We propose a novel method to predict width, namely compressing width. (3) We achieve the second best performance on CityPersons benchmark, i.e. 9.3% log-average miss rate(MR) on reasonable set, 8.7% MR on partial set and 5.6% MR on bare set, which shows an anchor-free and one-stage detector can still have high accuracy. (4) We explore some capabilities of Switchable Normalization which are not mentioned in its original paper.

研究动机与目标

• 提升无锚点中心与尺度预测（CSP）检测器的训练稳定性和鲁棒性，尤其在不同小批量大小和输入尺度下表现更优。
• 在不依赖复杂后处理或专用主干网络的前提下，提升检测精度。
• 探索可切换归一化在小批量和大批量训练设置中被低估的潜力。
• 提出一种新型宽度预测方法——压缩宽度，以提升行人检测中的定位精度。
• 证明简单、单阶段、无锚点检测器可实现与复杂两阶段或遮挡感知方法相当的性能。

提出的方法

• 提出‘压缩宽度’作为新型边界框宽度预测方法，利用可学习缩放因子 r 将特征图上的预测宽度进行压缩。
• 采用可切换归一化（SN）替代批量归一化，以提升训练稳定性，尤其在小批量或大批量设置下表现更优。
• 使用标准L1损失而非Smooth L1损失，以提升收敛速度并降低漏检率，尤其在困难样本上表现更佳。
• 采用ResNet-101主干网络，在CityPersons数据集上使用标准数据增强进行训练，未引入额外数据或后处理。
• 对超参数（如宽度预测公式中的压缩比 r）进行优化，设定 r=0.36（使用标准L1损失）和 r=0.40（使用Smooth L1损失）。
• 通过消融实验分离分析压缩宽度、可切换归一化和损失函数对整体性能的贡献。

实验结果

研究问题

• RQ1 无锚点、单阶段检测器是否能在无需专门后处理的前提下，实现与两阶段或遮挡感知检测器相当的高精度？
• RQ2 在非理想小批量设置下，可切换归一化如何提升行人检测的训练稳定性和性能？
• RQ3 采用新型宽度预测机制——压缩宽度，对定位精度有何影响？
• RQ4 在漏检率降低方面，标准L1损失是否优于Smooth L1损失，尤其在困难样本上？
• RQ5 是否可通过简单检测器改进，在不使用更强主干网络或额外数据的前提下实现CityPersons上的最先进性能？

主要发现

• ACSP在CityPersons合理集上达到9.3%的对数平均漏检率，位列所有方法第二，包括采用专门遮挡处理的方法。
• 在光秃集上，ACSP实现5.6%的漏检率，为所有评估方法中的最佳表现。
• 在重遮挡集上，ACSP在未专门处理遮挡的情况下优于多个最先进方法，仅PSC-Net表现更优。
• 可切换归一化带来约0.4%的漏检率改善，并实现不同小批量大小下的稳定训练。
• 使用标准L1损失并优化 r=0.36 时，相比Smooth L1损失，漏检率降低0.3–0.4%，尤其在部分遮挡和光秃集上表现更优。
• 压缩宽度方法提升了定位精度，对整体性能增益有显著贡献，尤其在小尺寸和遮挡行人上。