笔记-旷世 beyond retinaNet and MaskRCNN报告

what is object detection

1. 手持设备拍摄场景
2. 无人驾驶场景

why object detection?

1. 基础的组件
2. 长远的看:无人驾驶 医疗图像识别

history

特征 + 分类

RetinaNet && MaskRCNN

1. one stage

2. two stage MaskRCNN = FPN with ROIAlign ROIAlign 本身对 目标识别的检测影响不大，对实例分割影响比较大。

• deformable pool

Challenges

1. backbone

• backbone is designed for classificatio: Receptive Field vs Spatial resolution
• DetNet 对 大物体增加了定位的能力 ，小物体增加召回的能力

2. HEAD

• 优化 two-stage 的检测速度 RCNN -> Fast RCNN -> Faster RCNN -> RFCN
• Light HEAD RCNN

---

head 可以做的非常薄, 可以做的非常快

---

3. Scale

• 4K 自拍照 或者一个 10 * 10 小的人聊
• previous works

• 1. Divide and Conquer SSD, DSSD, RON, FPN 尺寸大的feature Map负责小物体的预测 ---> limited variant

• 2. Scale Normalization for Image Pyramids, CVPR2018 ---> slow inference

• Scale-SFace anchor-based anchor-free

4. Batch Size

• small mini-batchsize 2 for R-CNN,
• MegDet

5. Crowd

• NMS is post-processing step to eliminate multiple responses on one object instance

• 1. reasonable for mild crowdness like coco and voc

• 2. will fail in the case when objects are in crowds

• previous

6. Conclusion

Q & A

1. 增加感受野，有没有试过 Large Kernel?

• ans: Large Kernel 用过，dilation 对感受野影响是乘的关系，

2. localization 本质上是一个什么问题？

• ans: 本质上是回归问题。localization 和分类的问题还是有区别的。localization依赖于空间信息，如果downsample太多，小物体可能丢失，大物体的边界也会模糊。更好的spatial resolution对定位更好。

3.为什么没有backbone + batchsize + lighthead 的结果？

• research 对某个切入点更感兴趣，整合可以自己实现。对最后的结果应该是有帮助的。

4.最后Light head FC 怎么理解？

• 对每个Weight加权，一些物体不是每个格都是是满的，把有价值的东西highligth出来，对最后性能的提升是有帮助的

5. soft-mns对小物体有帮助么？

• soft-mns主要是保recall, 小物体和大物体并没啥明显的区别

6. fc是否会破坏空间关系？

• 只有最后一层采用

7. CPU实时检测有没有思路？

• backbone 和 head 做小，比较薄， 对网络做量化

8. DetNet A 和 B的摆放？

9. retinaNet有哪些trick?

• 把图拉大，这样同时会导致FP, Focal Loss 对FP有抑制作用

10.faster rcnn 从anchor boss到最后的box为啥只做了简单的指数变化?

• faster rcnn 本质上就是对box学习的目标进行压缩，使得学习过程更简单一点

文章来源

https://search.bilibili.com/all?keyword=Beyond RetinaNet