SaccadeNet：使用角点特征进行two-stage预测框精调 | CVPR 2020

SaccadeNet基于中心点特征进行初步的目标定位，然后利用初步预测框的角点特征以及中心点特征进行预测框的精调，整体思想类似于two-stage目标检测算法，将第二阶段的预测框精调用的区域特征转化为点特征。SaccadeNet在精度和速度上都可圈可点，整体思想十分不错

 

来源：晓飞的算法工程笔记 公众号

论文: SaccadeNet: A Fast and Accurate Object Detector

• 论文地址：https://arxiv.org/abs/2003.12125
• 论文代码：https://github.com/voidrank/SaccadeNet

Introduction

---

  在神经学中，人类在定位目标时并非固定地看着场景，而是四处寻找富含信息的区域来帮助进行目标的定位。受此机制的启发，论文提出了SaccadeNet，能够高效地关注信息丰富的目标关键点，从粗粒度到细粒度进行目标定位。

  SaccadeNet的结构如图2所示，首先初步预测目标的中心位置以及角点位置，然后利用四个角点位置以及中心点位置的特征进行回归优化，SaccadeNet包含四个模块：

• Center Attentive Module(Center-Attn)，预测目标的中心位置以及类别。
• Attention Transitive Module(Attn-Trans)，初步预测每个中心位置对应的角点位置。
• Aggregation Attentive Module (Aggregation-Attn)，利用中心位置以及角点位置的特征进行预测框的优化。
• Corner Attentive Module(Corner-Attn)，用于增强主干网络的目标边界特征。

  SaccadeNet的整体思想十分不错，有点类似于two-stage的目标检测的方案，将第二阶段的预测框回归从区域特征转化成了点特征。

Center Attentive Module

---

  Center-Attn模块包含两个简单的卷积层，将主干网络输出的特征图转化为中心点热图，热图可用于预测图片中所有目标的中心位置及其类别。该模块的GT跟CornerNet的设置一样，使用高斯核$e^{{\frac{||X-X_k||}2}{2{\sigma}^2}}$将GT位置进行散射，$\sigma$为半径的1/3，半径由目标的大小决定，保证半径内的点能够产生IOU至少为0.3的预测框。另外，该模块的损失函数结合了focal loss：

  $p_{i,j}$为热图上位置$(i,j)$的分数，$y_{i,j}$为对应的GT值。

Attention Transitive Module

---

  Attn-Trans模块输出大小为$w_f\times h_f\times 2$，预测每个位置对应的预测框的宽和高，然后根据其中心点位置$(i,j)$计算其对应角点位置$(i-w_{i,j}/2, j-h_{i,j}/2)$,$(i-w_{i,j}/2, j+h_{i,j}/2)$,$(i+w_{i,j}/2, j-h_{i,j}/2)$,$(i+w_{i,j}/2, j+h_{i,j}/2)$，使用L1回归损失进行训练。基于Center-Attn模块和Attn-Trans模块，SaccadeNet能够初步预测目标的检测结果。此外，论文的源码提供在此模块额外预测中心点的偏移值，针对下采样造成的不对齐问题，该偏移值同样使用L1回归损失进行训练，这个是默认开启的。

Aggregation Attentive Module

---

  Aggregation-Attn是一个轻量级模块，用于对预测框进行精调，输出更精准的预测框。Aggregation-Attn模块从Attn-Trans模块和Center-Attn模块中获取目标的角点和中心点，并且从主干网络输出的特征图中，使用双线性插值采样对应位置的特征，最后回归宽和高的修正值，整个模块使用L1损失进行训练。

Corner Attentive Module in Training

---

  为了提取富含信息的角点特征，论文在训练时加入了额外的Corner-Attn分支，将主干网络特征转化输出为四通道热图，分别对应目标的四个角点。同样地，该分支基于focal loss和高斯热图进行训练，该分支是类不可知的。此模块可迭代进行多次精调，类似Cascade R-CNN那样，论文在实验部分也进行了对比。

Relation to existing methods

---

  目前的基于关键点的目标检测方法可分为edge-keypoint-based detectors和center-keypoint-based detectors，SaccadeNet综合了两类方法的优点的存在。

  Edge-keypoint-based detectors通常先检测角点或极点，然后通过组合方法对关键点组合进行目标的定位，但这类算法通常不能获取目标的全局信息：a) 角点特征本身就包含较少的目标信息，需要额外增加中心特征进行特征加强。 b) 角点通常位于背景像素上，相对于其它关键点包含更少的信息。尽管SaccadeNet也利用了角点进行目标预测，但SaccadeNet直接从中心关键点进行目标预测，这样能够获取目标的全局信息，并且避免了耗时的关键点组合。

  Center-keypoint-based detectors通过中心关键点进行目标预测，输出中心点热图并直接回归边界。但中心点通常离目标边界较远，可能会难以预测准确的目标边界，特别对于大目标而言。另外，角点关键点是离边界最近的，包含很多局部的准确信息，缺乏角点信息可能会对预测结果不利，而SaccadeNet恰好填补了这个缺陷，进行更准确的边界预测。

Experiments

---

  与SOTA目标检测算法进行对比。

  Attn-Trans模块和Aggregation-Attn模块的对比实验。

  Corner-Attn模块迭代次数对比。

Conclusion

---

  SaccadeNet基于中心点特征进行初步的目标定位，然后利用初步预测框的角点特征以及中心点特征进行预测框的精调，整体思想类似于two-stage目标检测算法，第二阶段的预测框精调用的区域特征转化为点特征。SaccadeNet在精度和速度上都可圈可点，整体思想十分不错。

 

 

 

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】