遥感目标检测（3）-DAL（Dynamic Anchor Learning for Object Detection）

news2024/11/26 9:32:41

一、概述

二、背景

三、建议

1、旋转RetinaNet

2、动态锚框分布

3、匹配敏感损失

四、实验

一、概述

由于选择正样本锚框进行回归，不一定能够定位真实的GT，而部分负样本回归甚至可以回归到真实的GT，说明相当多的负样本锚框有着准确定位的能力，这说明IoU进行回归锚框存在一定的问题，所以引出DAL（动态锚框学习），重新设置新的匹配度来综合评价锚框的定位潜力。

图（a）表示有74%的正样本锚框可以很好的定位GT（高质量样本IoU>0.5），说明定位GT引入了许多假阳性样本。图（b）表示能够定位GT的检测样本中，只有42%为正样本锚框，意味着大多数为负样本锚框具有准确定位潜力。图（c）当前标签分配，分类置信度与输入IoU成正相关。图（d）经检测后的分类置信度与输出IoU相关性较弱，大量具有高IoU的被判为背景，高IoU情况下基本成随机分布，说明不利于在推理过程中利用分类评分选择检测结果。另外这种随机分布的效果，会被NMS筛掉一部分，所以分类器也不会彻底崩掉。

其实就是低IoU（负样本）输入产生了一个高IoU输出（正样本），这个负样本就是一个潜在的正样本，我们就应该找到一个匹配的办法来有效的找到这一类负样本，让其作为正样本来训练。

下图中红色框为锚框（用于计算IoU），绿色为预测框，可以看到低IoU也可能产生高预测框。

二、背景

本文提到RoI Transformer使用水平锚点，通过空间变换学习旋转RoI，减少锚点数量。R3Det使用从粗到细的级联，另外细化了预测框回归的问题。虽然这两者都取得了很好地效果，但不能对锚框的质量做出正确的判断，可能导致标签分配不当。

本文又提到了正负样本不平衡的问题，由于大多数基于锚点的检测器，都会密集的预设锚点。Focal Loss提出降低简单样本和维持正负样本不均衡的问题，动态R-CNN和ATSS提出自动调整IoU阈值，从而选择正样本，但没有考虑IoU本身是否可信的问题，只是考虑了正样本的噪声问题。FreeAnchor将目标与锚点的匹配定义为最大似然估计，来选择最具有代表性的锚，但定义相对复杂。

三、建议

1、旋转RetinaNet

本文仍然使用RetinaNet（上图为RetinaNet部分结构）作为backbone，水平锚仍然设置在FPN层的P3,P4,P5,P6,P7上，不使用旋转锚，减少参数，减少时间消耗。

边界框回归中预测框偏移量（下图）和真实框偏移量（论文中没有单独写出，与下图一致只不过多了上标*），与R3Net的区别，只是在θ的求解加了tan。

多任务损失函数仍然是RetinaNet的那一套，p和p*是预测和真实标签概率分布。

$L=L_{cls}(p,p^*)+L_{reg}(t,t^*)$

2、动态锚框分布

由于我们最开始看到纯粹的基于输入IoU来进行回归，会导致模型难以收敛，模型效果不好。本文提出匹配度MD的概念，利用空间匹配、特征对齐和锚点回归的不确定性的先验信息来衡量定位能力。md表示如下，其中sa为先验，等价于输入IoU,fa为后验，等价于输出IoU，α和γ为超参数，u为惩罚项，表示训练是回归的不确定性， $u=|sa-fa|$ 。

$md=\alpha \cdot sa+(1-\alpha)\cdot fa-u^{\gamma}$

根据匹配度，对正样本进行动态锚点选择，计算GT box与锚的匹配度，规定大于0.6为正候选锚，另外规定α的取值。t表示当前迭代次数/最大迭代次数（规定的迭代次数）

3、匹配敏感损失

为了提高分类和回归之间的相关性，实现高质量的对任意方向的检测，将MD引入损失函数，将分类损失定义为：

其中ψ和ψp表示代表所有锚点和匹配度阈值选择的正样本，N和Np表示所有锚点和正锚点的个数。FL为Focal Loss， $w_j$ 为匹配补偿因子，用于区分不同定位的正样本。根据每个GT，首先计算与锚点的匹配程度md，设定一个阈值为正样本的划分点，正样本的匹配值为 $md_{pos}$ ，假设GT的最大匹配程度为 $md_{max}$ ，补偿值为 $\Delta md=1-md_{max}$ 。将各个正样本的补偿值加到匹配值上获得匹配补偿因子： $\textbf{w}=md_{pos}+\Delta md$ 。