【目标检测】|Bounding Box Regression with Uncertainty for Accurate Object Detection

CVPR 2019 检测框不确定性
github：https://github.com/yihui-he/KL-Loss
论文原址：https://arxiv.org/pdf/1809.08545.pdf

Bounding Box Regression with Uncertainty for Accurate Object Detection
zhangxiangyu

提出问题

真值框本身的模糊性和不确定性

1.gt框本身有歧义，存在模糊性。作者列举了三种情况：比如边界标注不准确(a,c)，遮挡(b)，边界不清或无法给出确切边界(d)

2.类别分数高的边界框，回归出来不一定是精确的。

在损失在设计方面：
作者指出，boundingbox 回归损失设计(如smooth L1 loss等)中，并没有对不确定情况进行处理。同时，会认为分类置信度高的框更加精准，

3.所有的候选框位置都不精确。

问题分析

模糊样例造成大的loss干扰。

为了捕捉到box预测时的不确定性，对box预测和GT分别建模为高斯分布和狄拉克函数，则新的bbox回归损失可以看为预测分布和真值分布的KL散度。使用kl散度有如下优点：

1.能够捕获数据集的模糊性，回归器从模糊的边框中得到较小的损失。

2.学习到的方差可以用于后处理过程。本文提出的variance voting通过在NMS时利用学习到的方差作为相邻框的权值来vote出候选框的位置。

3.学习到的分布具有可解释性，反映了边界框预测不确定性程度，可能对下游应用（自动驾驶及机器人）的决策有所帮助。

本文方法

提出一个全新的regression loss，结合KL散度，可以让网络更好的拟合ground truth，让网络更好的学习和收敛，且这个过程可以嵌入NMS中，使定位更准确

网络头

由于文章的方法源自于Faster RCNN系列的算法，其前面的网络部分是相似的，其网络结构上最大的区别在于RCNN头的部分，改动了预测回归的目标与添加了一个预测检测框方差的分支，这个分支与检测框的预测组合起来计算KL-Loss

边界框参数化

本文重点评估位置的置信度。本文预测一个位置的分布，而不是边界框的位置，本文假设四个坐标分布独立，定义了单方差的高斯来进行简化。

Xe是预测出的bounding box坐标位置，σ {\sigma}σ代表分布的不确定性(越大则代表不确定性越大)。
对于GT的边界框也同样计算其对应的高斯分布，不过这里的σ同样趋近于0，从而得到Dirac delta函数：

x_g 是GT边界框的位置。

基于KL_Loss的边界框回归

在上面的参数化描述中已经将预测与GT的高斯分布表示出来了，接下来就是约束他们的KL散度了，其形式见下面的公式所示：

回归损失进行修改，分类损失不变：

如图，作者希望借此使得网络在预测出不准确的坐标时，能够输出较大的σ 2 ，所以回归损失会更低。(即Xe不准确时，为了使loss降低，分母σ 2 会变大)。公式后两项不依赖于参数，所以：

由于计算梯度时σ在分母上，因此在训练初期容易导致梯度爆炸，于是设置α = l o g ( σ 2 )

而对于∣ x g − x e ∣> 1，使用smooth L1 loss的做法：

光凭KL Loss就能带来提升是非常奇怪的(作者也用了“surprisingly”)。对此作者解释：
1.在训练中通过对高不确定性预测出高方差，网络可以学习到更多的有用的samples
2.定位的梯度可由网络自适应地控制，因而鼓励网络更加精准的学习：
3.KL Loss融合了定位置信度的学习，可潜在地帮助网络学习更多的discriminative features。
ref
https://www.cnblogs.com/fourmi/p/10721791.html

https://blog.csdn.net/stezio/article/details/90678030