开放集合目标检测任务 Open-set Detection

点击上方“计算机视觉工坊”，选择“星标”

干货第一时间送达

作者丨黄德波

来源丨GiantPandaCV

【 导语】最近因为工程需要，就去调研一下 open-set detection 算法，然后发现一篇不错的论文 《Towards Open-Set Object Detection and Discovery》。论文使用了额外的 memory 来当做网络的记忆缓存，在实现对未知类物体的坐标回归的同时，还挖掘了未知类物体潜在的类别。算法挺有意思的，里面也涉及了很多自己的知识盲点，于是和大家分享一下，一起研究研究。

论文地址：https://arxiv.org/abs/2204.05604

1.介绍

在之前的 open-set object detection (OSOD) 中，除了检测识别已知物体外，还会检测一些未知类别的物体，但把所有未知的物体都归到 “未知类”。该论文提出的 Open-Set Object Detection and Discovery (OSODD)，不仅可以检测未知物体，还可以挖掘它们潜在的类别。OSODD 采用了两阶检测方式，先对已知物体和未知物体进行预测，然后通过无监督和半监督方式学习预测到的物体的表征并进行聚类，从而挖掘出未知物体的类别。

2. 任务形式

在 OSODD 中，假设已知类为 Ck = {C1, C21，....，Cm}；未知类为 Cu = {Cm+1, Cm+2, ..... Cm+n}，Ck 和 Cu 没有交集。训练集只包含 Ck，而测试集是 Ck 和 Cu 的合集。模型的任务就是对所有物体进行定位和分类 I = [c, x, y, w, h]，已知物体归于Ck，未知物体则归于 Cu。

3. 具体方法

论文提出的 OSODD 包含两个部分，分别是 Object Detection and Retrieval (ODR) 和 Object Category Discovery (OCD)。

网络框架

• ODR 是一个带有两个记忆缓存的开集检测器，对于已知物体，检测器预测他们的位置信息和类别，对于未知物体，只预测其位置信息。其中已知物体和类别信息储存在 known memory 中，未知物体则储存在 working memory 中。

• OCD 则是主要利用 working memory 来挖掘未知物体的类别，包含了一个特征编码器和聚类辨别器。首先使用非监督对比学习方式，从 known 和 working memory 中训练一个编码器，在 latent space 中学习更好的物体表征。最后用 constrained k-means 来进行聚类。

3.1 Object Detection and Retrieval

open-set object detector 主要是对所有物体进行定位，同时对已知物物体进行分类，且把未知物体归到“unknown” 一类。文中使用了 faster-rcnn 作为模型的 backbone，利用了 RPN 对类别无感知的特性，把那些与 ground-truth 没有重叠且置信度比较高的候选框作为位置物体。为了让物体的特征更具有区别性，作者使用了对比损失，也就是计算从 ROI pooling 中得到的特征和模板之间的相差度：

相差度

其中模板 pi 是该类别特征的滑动平均值。所以在 region of interest pooling 中的 loss 变成：

loss

3.2 Object Category Discovery

因为未知物体的类别是不确定的，只能通过一些方式来挖掘出这些物体潜在的类别信息，文中采用了 DCT，主要是通过一种特殊的无参数学习的 k-mean 来估计潜在的类别数目。为了更好地挖掘未知物体的潜在类别，作者在 OCD 中加入了一个 encoder，用来学习更有判别性的 embedding。在encoder 中使用 known memory 和 working memory 来进行对比学习，增大 positive pairs 的相似度，而减小 negative pairs的相似度，类似减小类内差而增大类间差，这样更有益于后面的聚类操作。对比学习的  InfoNCE loss 为：

InfoNCE loss

为了使得 embedding 有更加好的分布和创建更多的训练样本，作者还使用一种无监督增强方法，把 {k} 和 q 线性组合起来，代替原本的 {k}，对应地，loss 中的虚拟标签也变成：

虚拟标签

4.实验

在实验中，作者把数据分成三种，对应着不同的 Known / Unknown。对于已知类物体，采用 mAP 作为检测评价标准，对于未知类物体，则采用 UDR 和 UDP 作为检测评价标准：

UDR和UDP

对于类别挖掘的评价指标，作者采用了聚类准确率、归一化互信息和聚类纯度：

ACC

因为是 unknown class，所以不确定具体哪个物体的类别 ID具体是多少，Object Category Discovery (OCD) 也是通过 k-mean 来聚类。所以必须对unknown object 的label 进行排列组合，算出最大的那个 ACC，作为最终的结果。

NMI purity

5. 结果与分析

作者在 Object Detection 和 Category Discovery 的baseline 上做了对比试验，还进行了多种组合的消融实验，证明文中提出的方法几乎在所有评价指标都达到了最优性能。

不同cluster ablation study 实际检测效果

本文仅做学术分享，如有侵权，请联系删文。

干货下载与学习

后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件

后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf

后台回复：3D视觉课程，即可学习3D视觉领域精品课程

计算机视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

15.国内首个3D缺陷检测教程：理论、源码与实战

重磅！计算机视觉工坊-学习交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~