簡要介紹

研究作者提出了 Matrix Net (xNet)，一種用于目標檢測的新深度架構(gòu)。xNets將具有不同大小尺寸和縱橫比的目標映射到網(wǎng)絡(luò)層中，其中目標在層內(nèi)的大小和縱橫比幾乎是均勻的。因此，xNets提供了一種尺寸和縱橫比感知結(jié)構(gòu)。研究者利用xNets增強基于關(guān)鍵點的目標檢測。新的的架構(gòu)實現(xiàn)了比任何其他單鏡頭檢測器的時效性高，具有47.8的mAP在MS COCO數(shù)據(jù)集，同時使用了一半的參數(shù)而且相比于第二好框架，其在訓練上快了3倍。

簡單結(jié)果展示

上圖所示，xNet的參數(shù)及效率要遠遠超過其它模型。其中FSAF在基于錨點的檢測器中效果是最好的，它超過了經(jīng)典的RetinaNet。研究者提出的模型在參數(shù)量類似的情況下性能超過了所有其他single-shot架構(gòu)。

背景及現(xiàn)狀

目標檢測是計算機視覺中最廣泛研究的任務(wù)之一，具有許多應(yīng)用到其他視覺任務(wù)，如目標跟蹤、實例分割和圖像字幕。目標檢測結(jié)構(gòu)可以分為兩類：single-shot檢測器和two-stage檢測器。Two-stage檢測器利用區(qū)域候選網(wǎng)絡(luò)找到固定數(shù)量的目標候選，然后使用第二個網(wǎng)絡(luò)來預(yù)測每個候選的分數(shù)并改進其邊界框。

常見的Two-stage算法

Single-shot檢測器也可以分為兩類：基于錨的檢測器和基于關(guān)鍵點的檢測器。基于錨的檢測器包含許多錨邊界框，然后預(yù)測每個模板的偏移量和類。最著名的基于錨的體系結(jié)構(gòu)是RetinaNet，它提出了focal損失函數(shù)，以幫助糾正錨邊界框的類不平衡。性能最好的基于錨的探測器是FSAF。FSAF將錨基輸出與無錨輸出頭集成在一起，以進一步提高性能。

另一方面，基于關(guān)鍵點的檢測器可以預(yù)測左上角和右下角的熱圖，并使用特征嵌入將它們匹配起來。最初的基于關(guān)鍵點的檢測器是CornerNet，它利用一個特殊的coener池化層來準確地檢測不同大小的目標。從那時起，Centerne通過預(yù)測目標中心和角，大大改進了CornerNet體系結(jié)構(gòu)。

Matrix Nets

下圖所示為Matrix nets（xNets），使用分層矩陣建模具有不同大小和叢橫比的目標，其中矩陣中的每個條目i、j 表示一個層 li,j，矩陣左上角層 l1,1 中寬度降采樣2^(i-1)，高度降采樣2^(j-1)。對角層是不同大小的方形層，相當于一個 FPN，而非對角層是矩形層（這是xNets所特有的）。 層l1,1是最大的層，每向右一步，層寬度減半，而每向下一步高度減半。

例如，層l3,4是層l3,3寬度的一半。對角層建模寬高比接近方形的目標，而非對角層建模寬高比不接近方形的目標。接近矩陣右上角或左下角的層建模寬高比極高或極低的目標。這類目標非常罕見，所以可以對它們進行剪枝以提升效率。

1、Layer Generation

生成矩陣層是一個關(guān)鍵的步驟，因為它影響模型參數(shù)的數(shù)量。參數(shù)越多，模型表達越強，優(yōu)化問題越困難，因此研究者選擇盡可能少地引入新的參數(shù)。對角線層可以從主干的不同階段獲得，也可以使用特征金字塔框架。上三角層是在對角線層上施加一系列具有1x2步長的共享3x3卷積得到的。類似地，左下角層是使用具有2x1步長的共享3x3卷積得到的。參數(shù)在所有下采樣卷積之間共享，以最小化新參數(shù)的數(shù)量。

2、層范圍

矩陣中的每個層都對具有一定寬度和高度的目標進行建模，因此我們需要定義分配給矩陣中每個層的目標的寬度和高度范圍。范圍需要反映矩陣層特征向量的感受野。矩陣中向右的每一步都有效地使水平維度中的感受野加倍，而每一步都使垂直維度上的感受場加倍。因此，當我們在矩陣中向右或向下移動時，寬度或高度的范圍需要加倍。一旦定義了第一層l1,1的范圍，我們就可以使用上述規(guī)則為矩陣層的其余部分生成范圍。

3、Matrix Nets的優(yōu)勢

Matrix Nets的主要優(yōu)點是它們允許方形卷積核準確地收集有關(guān)不同縱橫比的信息。在傳統(tǒng)的目標檢測模型中，如RetinaNet，需要一個方形卷積核來輸出不同的長寬比和尺度。這與直覺相反，因為不同方面的邊界框需要不同的背景。在Matrix Nets中，由于每個矩陣層的上下文發(fā)生變化，所以相同的方形卷積核可以用于不同比例和長寬比的邊界框。

由于目標大小在其指定的層內(nèi)幾乎是均勻的，因此與其他架構(gòu)（例如FPN）相比，寬度和高度的動態(tài)范圍更小。因此，回歸目標的高度和寬度將變得更容易優(yōu)化問題。最后Matrix Nets可用作任何目標檢測架構(gòu)、基于錨或基于關(guān)鍵點、one-shot或two-shots檢測器。

Matrix Nets 用于基于關(guān)鍵點的檢測

在CornerNet被提出來的時候，其是為了替代基于錨點的檢測，它利用一對角（左上角和右下角）來預(yù)測邊界框。對于每個角來說，CornerNet可預(yù)測熱圖、偏移量和嵌入。

上圖是基于關(guān)鍵點的目標檢測框架—— KP-xNet，它包含4個步驟。

• (a-b)：使用了xNet的主干；
• (c)：使用了共享輸出子網(wǎng)絡(luò)，而針對每個矩陣層，預(yù)測了左上角和右下角的熱圖和偏移量，并在目標層內(nèi)對它們進行中心點預(yù)測；
• (d)：利用中心點預(yù)測匹配同一層中的角，然后將所有層的輸出與soft非極大值抑制結(jié)合，從而得到最終輸出。

實驗結(jié)果

下表展示了在MS COCO數(shù)據(jù)集上的結(jié)果：

研究者還比較了新提出的模型與其他模型在不同的backbones上基于參數(shù)的數(shù)目。在第一張圖中，我們發(fā)現(xiàn)KP-xNet在所有參數(shù)級別上都優(yōu)于所有其他結(jié)構(gòu)。研究者認為這是因為KP-xNet使用了一種尺度和縱橫比感知的體系結(jié)構(gòu)。

論文地址：https://arxiv.org/pdf/1908.04646.pdf