RetinaNet网络介绍

前言

  上一篇博文我们介绍了Focal Loss，原理也比较简单，有不了解的小伙伴可以先跳转到之前的博文了解一下。Focal Loss介绍。这篇博文我们来看下Focal Loss的出处：Focal Loss for Dense Object Detection，这篇论文提出了RetainNet之后one-stage网络的受此超越了two-stage的网络。

一. RetainNet网路

先来看下RetainNet的性能，可以看到远超Faster R-CNN网络。

我们再来看下RetainNet的网络结构：

可以看到RetainNet也采用了类似FPN的结构，主要有三个不同之处，关于FPN不了解的小伙伴可以跳转到我之前的博文(FPN网络介绍)：

• FPN会使用C2生成P2，RetainNet并没有使用C2生成P2。论文给的理由是C2会计算更多的计算资源。因为C2四低层特征，分辨率比较大。
• FPN中的P6是通过一个最大尺化下采样层进行一个下采样的，RetainNet是通过一个卷积层进行下采样的。
• FPN是从P2-P6，RetainNet是从P3-P7，P7是在P6的基础上通过一个激活函数ReLU，然后在通过一个卷积得到。

  在FPN中，每个预测特征层都只是用了一个scale和三个ratios，RetainNet中每个预测特征层都是用了三个scale和三个ratios。RetainNet中的scale和ratios如下表：

层数	stride	anchor_sizes	anchor_aspect_ratios	生成的anchor个数,(乘以3是表示3种比例)
P2	4(2(^)2)	32	0.5,1,2	(1024//4)(^)2xx3=196608
P3	8(2(^)3)	64	0.5,1,2	(1024//8)(^)2xx3=49152
P4	16(2(^)4)	128	0.5,1,2	(1024//16)^^2xx3=12288
P5	32(2(^)5)	256	0.5,1,2	(1024//32)(^)2xx3=3072
P6	64(2(^)6)	512	0.5,1,2	(1024//64)(^)2xx3=768

再来看下RetainNet的预测器部分：

  预测器分为两个分支，一个预测类别，一个是目标边界框回归参数。最后输出的K表示检测目标的类别个数（不含背景），A表示每个预测特征层上的anchor的个数。在FasterRCNN中是对于预测特在层上每一个anchor都会针对每个类别去生成 一组边界框回归参数，跟这里预测稍微有所不同，这里跟SSD是一样的，现在采样的基本上都是这种类别不可知的预测方式，能够减少网络训练参数。

二. 损失计算

首先我们会针对我们每一个anchor与我们事先标注好的gt进行一个匹配， 即计算iou，规则如下：

• 如果$iou>=0.5$，标记为正样本
• $iou<=0.4$，标记为负样本
• $iou\in [0.4,0.5)$，舍弃

总损失使用的还是分类损失和回归损失，如下所示：
$$\text{ Loss }=\frac{1}{N_{POS}}\sum _i{L}_{cls}^i+\frac{1}{N_{POS}}\sum _j{L}_{reg}^j$$

• $L_{cls}$：Sigmoid Focal Loss，上一篇博文我们介绍过了，不懂的小伙伴可以回到前面看看：Focal Loss介绍。
• $L_{reg}$：L1 Loss
• $i$：所有的正负样本
• $j$：所有的正样本
• $N_{pos}$：正样本的个数

以上就是关于RetainNet网络的介绍，如有错误，敬请指正！