[论文解读] Single-Shot Bidirectional Pyramid Networks for High-Quality Object Detection

Xiongwei Wu, Daoxin Zhang+2 more|arXiv (Cornell University)|Mar 22, 2018

Advanced Neural Network Applications参考文献 29被引用 11

一句话总结

本文提出双向特征金字塔网络（BPN），一种单阶段目标检测框架，通过双向特征金字塔实现鲁棒的特征表示，并通过级联锚框精炼机制迭代提升锚框质量，从而增强定位精度。BPN在PASCAL VOC和MS COCO数据集上实现了高精度检测（IoU > 0.5）的最先进性能，同时保持了实时推理速度。

ABSTRACT

Recent years have witnessed many exciting achievements for object detection using deep learning techniques. Despite achieving significant progresses, most existing detectors are designed to detect objects with relatively low-quality prediction of locations, i.e., often trained with the threshold of Intersection over Union (IoU) set to 0.5 by default, which can yield low-quality or even noisy detections. It remains an open challenge for how to devise and train a high-quality detector that can achieve more precise localization (i.e., IoU$>$0.5) without sacrificing the detection performance. In this paper, we propose a novel single-shot detection framework of Bidirectional Pyramid Networks (BPN) towards high-quality object detection, which consists of two novel components: (i) a Bidirectional Feature Pyramid structure for more effective and robust feature representations; and (ii) a Cascade Anchor Refinement to gradually refine the quality of predesigned anchors for more effective training. Our experiments showed that the proposed BPN achieves the best performances among all the single-stage object detectors on both PASCAL VOC and MS COCO datasets, especially for high-quality detections.

研究动机与目标

• 为解决单阶段检测器在实现高精度目标检测（IoU > 0.5）时面临的挑战，此类检测器通常因锚框设计不佳和特征表示能力有限而表现欠佳。
• 克服现有SSD类检测器的局限性，后者依赖于刚性且预定义的锚框，缺乏鲁棒的特征融合机制，难以实现精确的定位。
• 开发一种单阶段检测器，在保持实时推理速度的同时，显著提升定位精度，超越标准IoU阈值0.5的限制。
• 探究双向特征融合与迭代锚框精炼是否能够协同提升检测质量，同时不牺牲效率。

提出的方法

• 提出一种双向特征金字塔结构，从深层与浅层特征在前向与反向两个方向进行融合，增强特征表示的鲁棒性。
• 采用级联锚框精炼模块，通过多阶段逐步优化锚框，分步提升定位精度。
• 使用多尺度特征金字塔结构，结合自顶向下与自底向上的路径，并通过跳跃连接整合跨尺度的上下文与语义信息。
• 采用标准交叉熵损失与平滑L1损失进行端到端训练，且在训练过程中应用级联精炼策略以优化锚框质量。
• 采用VGG-16与ResNet-101作为骨干网络，并沿用先前工作的训练协议，以确保公平比较。
• 采用与SSD相似的采样策略，尽管作者指出，若采用更先进的采样方法（如Focal Loss），性能或可进一步提升。

实验结果

研究问题

• RQ1 单阶段检测器是否能在不牺牲推理速度的前提下，实现高精度目标检测（IoU > 0.5）的SOTA性能？
• RQ2 双向特征融合在单阶段检测器中如何提升特征表示能力，以实现更精确的定位？
• RQ3 与标准锚框训练相比，级联锚框精炼在多大程度上可减少定位误差？
• RQ4 所提出的BPN框架是否在平均精度与高IoU检测性能上均优于现有单阶段检测器（如SSD与RefineDet）？

主要发现

• BPN512++在MS COCO数据集上实现了41.5%的平均精度（AP@0.5:0.95），优于所有其他单阶段检测器，包括SSD513与RefineDet512。
• 在PASCAL VOC数据集上，BPN320++在0.5:0.95 IoU阈值下达到37.9%的AP，超越了比较中所有其他单阶段检测器。
• 误差分析显示，与SSD和RefineDet相比，BPN320在定位错误与背景误检方面显著减少，表明其鲁棒性更强。
• 尽管性能有所提升，但对相似类别（如牛与猫）的混淆仍是主要错误类型，提示需改进采样策略。
• 级联锚框精炼有效降低了定位误差，并提升了锚框质量，尤其在小目标与难检测目标上表现更优。
• BPN保持了实时推理速度，证实精度提升并未以牺牲计算效率为代价。