[论文解读] Learning Gaussian Maps for Dense Object Detection

Sonaal Kant|arXiv (Cornell University)|Apr 24, 2020

Advanced Neural Network Applications参考文献 28被引用 5

一句话总结

本文提出一种在RetinaNet中引入高斯图作为辅助任务的多任务学习方法，以提升密集目标检测性能。通过训练高斯解码器或高斯层来预测每个像素的对象可能性图，模型在拥挤场景中显著提升了定位精度，在SKU110K数据集上分别相较基线RetinaNet实现6%和5%的mAP提升。

ABSTRACT

Object detection is a famous branch of research in computer vision, many state of the art object detection algorithms have been introduced in the recent past, but how good are those object detectors when it comes to dense object detection? In this paper we review common and highly accurate object detection methods on the scenes where numerous similar looking objects are placed in close proximity with each other. We also show that, multi-task learning of gaussian maps along with classification and bounding box regression gives us a significant boost in accuracy over the baseline. We introduce Gaussian Layer and Gaussian Decoder in the existing RetinaNet network for better accuracy in dense scenes, with the same computational cost as the RetinaNet. We show the gain of 6\% and 5\% in mAP with respect to baseline RetinaNet. Our method also achieves the state of the art accuracy on the SKU110K \cite{sku110k} dataset.

研究动机与目标

• 解决相似物体紧密堆积导致边界框重叠和定位性能差的密集目标检测挑战。
• 提升零售和超市环境中高密度目标场景下目标检测器的泛化能力和鲁棒性。
• 通过多任务学习克服密集场景中前景-背景类别不平衡和尺度变化的问题。
• 提出一种新颖的辅助任务——学习高斯图，以指导锚框学习并改善边界框预测。
• 在不增加推理成本的前提下，实现在SKU110K及其他生鲜产品数据集上的最先进性能。

提出的方法

• 引入高斯解码器网络，与RetinaNet共享主干网络，但增加一个独立的解码头用于预测低分辨率的高斯热力图。
• 设计高斯层网络，将标准解码头替换为轻量级高斯层，置于共享解码器之上，减少参数量同时保持性能。
• 端到端训练网络，损失函数结合分类损失、边界框回归损失和新的高斯图损失。
• 使用焦点损失进行分类，平滑L1损失进行回归，同时引入像素级高斯交叉熵损失用于热力图预测。
• 强制网络为物体非中心区域分配低可能性值，帮助锚框聚焦于真实物体中心，减少误检。
• 通过共享特征和使用轻量级模块，保持与基线RetinaNet相同的计算成本。

实验结果

研究问题

• RQ1 使用高斯图预测的多任务学习是否能提升密集场景下的目标检测精度？
• RQ2 学习每个像素的对象可能性图是否有助于减少重叠边界框并改善拥挤场景中的定位性能？
• RQ3 轻量级高斯层能否在保持或提升性能的同时替代完整解码头？
• RQ4 所提方法在SKU110K和WebMarket等基准数据集上的表现与最先进检测器相比如何？
• RQ5 为何在Holoselecta等数据集上性能下降，是否可通过尺度感知训练缓解此问题？

主要发现

• 高斯层网络在SKU110K数据集上相较基线RetinaNet实现6%的mAP提升，mAP达到0.506。
• 高斯解码器网络在SKU110K数据集上相较RetinaNet实现5%的mAP提升，mAP达到0.506，较之前SOTA提升3%。
• 在WebMarket数据集上，高斯层模型mAP达到0.403，相较之前SOTA（0.383）提升2%。
• 在CAPG-GP数据集上，高斯层模型mAP达到0.510，相较之前SOTA（0.431）实现7.4%的相对提升。
• 该模型在较稀疏的数据集如Grocery Products和CAPG-GP上表现出显著性能提升，但在Holoselecta上性能下降，原因在于尺度变化和图像尺寸多样性。
• 高斯层有助于减少背景混淆并提升锚框质量，定性结果表明模型能更好地区分重叠物体。