CVPR2019论文看点：自学习Anchor原理

CVPR2019论文看点：自学习Anchor原理

原论文链接：https://arxiv.org/pdf/1901.03278.pdf

CVPR2019的一篇对anchor进行优化的论文，主要将原来需要预先定义的anchor改成直接end2end学习anchor位置和size。首先anchor的定义通常为(x, y, w, h) (x, y为中心点)，formulate一下：

本文所提的guided anchoring利用两个branch分别预测anchor的位置和w、h：

guided anchoring的主要内容有如下几点：

Anchor
Location Prediction

逻辑很简单，利用一个1x1的conv将输入的feature map转换成 W x H x 1的heatmap，通过卡阈值t来得到anchor可能出现的位置，在训练的时候可以通过gt的框来生成heatmap的groudtruth，negtive、positive、ignore的pixel定义论文中有比较详细的介绍。

Anchor Shape Prediction

这一部分逻辑和上一部分一样，也是通过一个1x1的conv将输入的feature map转换成W x H x 2的heatmap，只是考虑到如果直接回归w和h范围太广会比较不稳定，作者做了一定的转化将预测值约束到[-1,1],实际使用的时候再映射回去，s为feature map的stride，sigma为8：

需要注意的是和传统的anchor设置不一样的是，guider anchoring在某一个pixel下只会设置一个anchor。

这一部分的训练其实会是比较需要特别注意的地方，论文中使用来IoU
loss来监督，但是这样存在一个问题，因为这个分支本身是预测w，h的，所以IoU Loss的计算无法知道match的具体gt，作者提出的方法是sample 9组常见的w、h，这样就可以利用这9组w、h构建9个不同的anchor去和gt匹配，IoU最大的匹配gt就是当前需要去计算IoU Loss的gt，然后直接用heatmap的w、h和这个gt计算IoU Loss即可：

Anchor-Guided
Feature Adaptation

这一个模块主要是针对feature有可能和anchor不一致而提出的，因为对于原先预定义的anchor而言，每一个pixel对应位置的anchor其实都是一样的，所以也就无所谓feature的异同，但是guided
anchoring逻辑下不同的pixel有可能anchor的size差别很大，仍然像之前那样直接出cls和reg很显然是不合适的，所以作者就提出了adaptation的模块，利用deformable
conv来处理不同形状的anchor对应的feature。

论文的最后作者也提了一下因为GA-RPN可以得到很多高质量的porposal，通过提高阈值可以进一步优化检测的效果。

实验结果：

高质量 proposal 的正确打开方式

故事到这里其实也可以结束了，但是我们遇到了和之前一些改进
proposal 的
paper 里相同的问题，那就是
proposal 质量提升很多（如下图），但是在
detector 上性能提升比较有限。在不同的检测模型上，使用
Guided Anchoring 可以提升 1
个点左右。明明有很好的 proposal，但是 mAP 却没有涨很多，让人十分难受。

经过一番探究，我们发现了以下两点：1.
减少 proposal 数量，2.
增大训练时正样本的 IoU 阈值（这个更重要）。既然在 top300 里面已经有了很多高 IoU 的 proposal，那么何必用
1000 个框来训练和测试，既然
proposal 们都这么优秀，那么让
IoU 标准严格一些也未尝不可。

这个正确的打开方式基本是 独立调出来的，让
performance 一下好看了很多。通过这两个改进，在
Faster R-CNN 上的涨点瞬间提升到了
2.7 个点（没有加任何
trick），其他方法上也有大幅提升。

生成 anchor

在得到
anchor 位置和中心点的预测之后，我们便可以生成
anchor 了，如下图所示。这时的
anchor 是稀疏而且每个位置不一样的。采用生成的
anchor 取代
sliding window，AR
(Average Recall) 已经可以超过普通
RPN 4 个点了，代价仅仅是增加两个
1x1 conv。

实验结结果