Scale-Aware Trident Networks for Object Detection論文詳解

《Scale-Aware Trident Networks for Object Detection》發表於ICCV2019的一篇圖片檢測的文章。

代碼地址：https://github.com/TuSimple/simpledet/tree/master/models/tridentnet

文章的主要思路是解決多尺度物體檢測的問題。目前一種很常用的解決多尺度物體檢測的方法是採用fpn的結構，然後使用fpn不同輸出層的featuremap來對不同大小的物體進行檢測。文章認爲採用fpn的方式來檢查不同大小的物體會降低網絡的訓練速度，而且還可能導致不同尺度的層容易產生過擬合。文章利用dilate convolution（空洞卷積）來對多尺度的物體進行檢測，並且可以規避fpn帶來的負面影響。

一、網絡結構

文章網絡取名爲trident，可以想象網絡的結構類似於三叉戟的樣子，如下圖所示，最後利用nms將三個分支的結果合併。

三叉戟的網絡細節如下圖所示，這裏每個分支都是使用resnet來構成的，都是由一個$1\times 1$卷積接一個$3\times 3$再接一個$1\times 1$的殘差塊構成，唯一的區別是三個分支中$3\times 3$的卷積採用的是空洞卷積，而且每個分支空洞卷積的係數是不一樣的，目的就是爲了使得三個分支的感受野不一樣，從而有效的檢測出不同大小的物體。爲了防止引入三個分支，也就是很多參數，可能有過擬合的問題，所以這三個分支採用了權重共享的方式來減輕這個問題。

二、scale-aware

這裏文章所說的是類似於SNIP文章來做的，我看的好像是採用FPN的方式，對每個分支定義不同大小的目標來進行訓練，三個分支分別檢測的範圍是[0, 90], [30, 160], [90, $\inf$]，這個範圍是對於框面積的更號來講的，即$\sqrt{w*h}$

三、loss

loss計算文章沒有說明，畢竟不是本文重點，所以想知道的可以看看代碼，每個分支採用的就是類似fasterrcnn的two-stage結構來做的

還有一些快速推斷的track，就是在推斷過程採用中間的分支來做的。

原理基本就這些，想知道更多實驗結果可以查看原文和官方提供的代碼

歡迎加入Object Detection交流，羣聊號碼：910457072