[论文解读] DeRPN: Taking a further step toward more general object detection

Lele Xie, Yuliang Liu+2 more|arXiv (Cornell University)|Nov 16, 2018

Advanced Neural Network Applications参考文献 29被引用 5

一句话总结

该论文提出 DeRPN，一种新型的维度分解区域建议网络，通过灵活的锚点串（anchor strings）解耦目标宽度与高度的预测，消除了对固定锚点框的依赖。该方法在无需超参数调优的情况下，在通用目标检测（Pascal VOC、MS COCO）和场景文本检测（ICDAR 2013、COCO-Text）任务中均达到最先进性能，在 COCO-Text 上的 F-measure 相较于 RPN 最高提升 10%，同时保持与 RPN 相同的推理速度。

ABSTRACT

Most current detection methods have adopted anchor boxes as regression references. However, the detection performance is sensitive to the setting of the anchor boxes. A proper setting of anchor boxes may vary significantly across different datasets, which severely limits the universality of the detectors. To improve the adaptivity of the detectors, in this paper, we present a novel dimension-decomposition region proposal network (DeRPN) that can perfectly displace the traditional Region Proposal Network (RPN). DeRPN utilizes an anchor string mechanism to independently match object widths and heights, which is conducive to treating variant object shapes. In addition, a novel scale-sensitive loss is designed to address the imbalanced loss computations of different scaled objects, which can avoid the small objects being overwhelmed by larger ones. Comprehensive experiments conducted on both general object detection datasets (Pascal VOC 2007, 2012 and MS COCO) and scene text detection datasets (ICDAR 2013 and COCO-Text) all prove that our DeRPN can significantly outperform RPN. It is worth mentioning that the proposed DeRPN can be employed directly on different models, tasks, and datasets without any modifications of hyperparameters or specialized optimization, which further demonstrates its adaptivity. The code will be released at https://github.com/HCIILAB/DeRPN.

研究动机与目标

• 解决基于锚点的检测器因对不同数据集上锚点框设置敏感而导致泛化能力差的问题。
• 消除在不同检测任务中手动或通过 K-means 方法设计锚点框的需求。
• 通过解耦宽度与高度的预测，提升小尺寸及长条形目标（如文本）的检测性能。
• 在提升区域建议质量与召回率的同时，保持计算效率。
• 开发一种即插即用的区域建议模块，可在无需修改的情况下适配各类模型、任务与数据集。

提出的方法

• DeRPN 引入锚点串机制，实现对象宽度与高度预测的解耦，使预测维度能独立匹配真实值。
• 用可自适应覆盖多样化目标长宽比的灵活锚点串替代固定锚点框。
• 提出一种尺度敏感损失函数，以平衡不同尺度目标的损失贡献，防止小目标损失被淹没。
• 该方法保持与标准 RPN 相同的网络结构与推理速度，可无缝集成至两阶段检测器中。
• 维度分解机制通过降低回归复杂度，实现更准确且稳定的训练。
• 该方法设计为通用适用——无需超参数调优或任务特定优化。

实验结果

研究问题

• RQ1 能否设计一种区域建议网络，使其在无需重新配置锚点框的情况下，实现对多样化数据集的泛化？
• RQ2 解耦宽度与高度预测对极端长宽比目标的检测性能有何影响？
• RQ3 尺度敏感损失函数能否有效缓解小目标与大目标之间损失贡献不平衡的问题？
• RQ4 DeRPN 是否能在通用目标检测与场景文本检测等专用任务中，均优于 RPN 而无需任何适配？
• RQ5 DeRPN 是否可作为插件模块，在无需微调或超参数调优的情况下，部署于不同模型与数据集中？

主要发现

• 在 COCO-Text 上，DeRPN 在单尺度测试下取得 57.11% 的 F-measure，超越所有先前方法，包括专用的场景文本检测器。
• 在 COCO-Text 上，DeRPN 相较于最佳 RPN 变体（K-means 基础）在 F-measure 上提升超过 10 个百分点，达到 53.43% 的 AP50 与 73.74% 的 IoU 50 召回率。
• DeRPN 保持与 RPN 几乎相同的推理速度，在单张 TITAN XP GPU 上的 FPS 与标准 RPN 相当。
• 在 Pascal VOC 与 MS COCO 上，DeRPN 显著提升了召回率与 AP 分数，证明其区域建议质量更优。
• 该方法在无需任何超参数调整或任务特定微调的情况下，同时在通用检测与场景文本检测基准上达到最先进性能。
• 可视化示例表明，DeRPN 能有效检测小尺寸及长条形文本对象，验证了其对形状变化的强鲁棒性。