RelationNet:学习目标间关系来增强特征以及去除NMS | CVPR 2018

论文基于NLP的注意力机制提出了目标关系模块,通过与其它目标的比对增强当前目标的特征,而且还可以代替NMS进行端到端的重复结果去除,思想十分新颖,效果也不错

来源:晓飞的算法工程笔记 公众号

论文: Relation Networks for Object Detection

Introduction


  当前大多数目标检测算法仍专注于单独识别目标,没有尝试在训练时挖掘目标之间的关系,受限于当前简单的网络结构,无法对无规律的目标关系进行建模。参考自然语言处理中的注意力机制,论文提出了用于目标检测的自适应注意力机制 -- 目标关系模块(object relation module),学习目标间的关系来增强特征以及去除重复结果。
  检测目标有2D空间分布和不同的长宽比,比文本的场景要复杂些,所以论文拓展了NLP的注意力权重,分为两个权重:

  • 基于目标特征产生的权重,跟NLP权重类似。
  • 基于目标相对几何位置产生的权重,相对几何位置保证平移不变性。

  目标关系模块接收可变输入并行计算,是可微的in-place操作,可作为基础构建block嵌入到任意目标检测算法中,嵌入方式如图1所示,用于目标识别部分以及重复目标去除:

  • 目标识别部分(instance recognition):利用目标关系模块,联合所有的检测目标来进行特征增强,再进行后续的识别。
  • 重复目标去除(du-plicate remova):在识别完成后,常规的做法使用NMS进行重复目标的去除,而论文使用轻量级网关系网络进行该做法的替换。

Object Relation Module


  常规的注意力机制为ScaledDot-Product Attention,计算为:

  给定查询目标$q$,计算与其它目标$K$的相似度,然后softmax归一化为权重,最后乘以各向量的值$V$得到加权后的特征,这3个值一般都是对目标特征进行embedding得到的。
  对于目标检测中的相似性计算,每个目标包含几何特征$f_G$和外观特征$f_A$,给定$N$个目标$\{(f^n_A, f^n_G)\}^N_{n=1}$,可计算每个目标相对于其它目标的关系特征(relation feature)$f_R(n)$:

  关系特征实际为所有目标的外观特征的加权和,$W_V$为线性变化,相当于将外观特征embedding为公式1的值$V$。权值$w^{mn}$表明其它目标相对于当前目标的重要性,计算方法为:

  公式3实际上等同于公式1中的softmax,唯一不同的是除了外观权值$w^{mn}_A$,还额外使用几何权值$w^{mn}_G$进行加权。
  外观权值$w^{mn}_A$的计算跟公式1的softmax括号内的计算一样,具体为:

  $W_K$和$W_Q$同样为线性变化,分别将对比目标和当前目标的外观特征embedding成公式1的$K$和$Q$,embedding后的特征维度为$d_k$。
  几何权值$w^{mn}_G$的计算为:

  几何特征一般就是简单的四维bbox,所以公式5在计算几何权值包含两个步骤:

  • 将当前目标和对比目标的几何特征通过$\varepsilon_G$embedding成高维特征,为了保证平移和尺寸不变性,几何特征转为相对值$(log(\frac{|x_m-x_n|}{w_m}), log(\frac{|y_m-y_n|}{h_m}), log(\frac{w_n}{w_m}), log(\frac{h_n}{h_m}) )$,embedding方法跟Attention Is All You Need里的位置编码一样,使用正弦函数和余弦函数。
  • 使用$W_G$将高维几何特征转换为标量权值,小于0时设为0。

  论文在几何特征的使用上也尝试了其它方法:1) none,直接将$w^{mn}_G$设为1.0计算权值,即不使用。 2) unary,将高维几何特征直接与外观特征融合,然后跟none一样计算权值。实验部分的表1有相关的结果对比,论文选择的公式5加权方法比较有效。

  在实现时,类似于multi-head attention,一个目标关系模块(object relation module)包含$N_r$个关系特征,每个特征的维度为输入特征$f^m_A$的$\frac{1}{N_r}$,图2可能会有一点问题,几何特征写了两个,但是外观特征只写了一个,大家根据公式理解就好,最后通过相加对输入目标的外观特征进行增强:

  目标关系模块的计算逻辑如算法1所示,其空间复杂度和时间复杂度为:

  一般而言,目标关系模块的整体计算量不会很大,而且输出特征的维度和输入特征的维度一致,可作为基础构建block嵌入到任何网络中。

Relation Networks For Object Detection


  论文主要讨论将目标关系模块嵌入到region-based目标检测网络中,region-based目标检测网络一般包含四个步骤:1) 通过主干网络生成整图特征 2) 生成候选框的区域特征 3) 进行各实例识别和调整 4) 去除重复的检测结果,目标关系模块的嵌入主要在步骤3和步骤4。

Relation for Instance Recognition

  目标分类和目标回归一般使用两个1024维全连接层对目标的RoI池化特征进行处理:

  目标关系模块可直接增强所有目标的1024维,不改变特征的维度,不仅可以在任意位置插入,还可以多次堆叠:

  $r_1$和$r_2$为目标关系模块重复的次数,添加目标关系模块能够目标特征,提高识别的准确率,公式10的可视化如图a所示。

Relation for Duplicate Removal

  去除重复目标这个任务本身就需要穷尽目标间的关系,比如启发式的NMS,高分目标可抹去其附近的低分目标。尽管NMS十分简单,但其去重的方式并不总是最优的,为此,论文采用目标关系模块去除重复目标。

  如图b所示,输入目标的分数、1024维外观特征以及几何特征,重复目标去除包含以下几个步骤:

  • 对目标分数进行名次的转换,采用几何特征的embedding方式将分数转换成128维特征,将外观特征降维为128维特征,将两个特征相加。
  • 跟前面描述的目标关系模块一样与其它目标计算,输出关系特征。
  • 通过线性变化$W_s$和sigmoid函数输出概率$s_1\in [0, 1]$,对原分数进行加权。
  • 分数高于阈值的即为最终的结果。

  在训练时直接对最终的分数使用交叉熵损失迭代,虽然大部分的目标都是重复的,但由于其最终分数都很小,所以不会对网络造成很大的偏差。而在推理时,先按分类的分数过滤一轮,这样能减轻计算量,论文实测大约增加2ms,相对的,NMS和SoftNMS增加5ms左右。

Experiments


  各位置设置的对比实验。

  重复目标去重效果对比。

  在各网络中的效果对比,分别对比2fc+SoftNMS、2fc+RM+SoftNMS和2fc+RM+e2e的效果。

Conclusion


  论文基于NLP的注意力机制提出了目标关系模块,通过与其它目标的比对增强当前目标的特征,而且还可以代替NMS进行端到端的重复结果去除,思想十分新颖,效果也不错。



如果本文对你有帮助,麻烦点个赞或在看呗~
更多内容请关注 微信公众号【晓飞的算法工程笔记】

work-life balance.

你可能感兴趣的:(RelationNet:学习目标间关系来增强特征以及去除NMS | CVPR 2018)