faster RCNN中的anchor generator分析

faster RCNN简介

• faster rcnn属于两阶段目标检测，所谓两阶段目标检测，指的就是对检测框做两次边框回归，首先使用RPN网络，生成anchor，挑选出positive anchors，并对这些anchor进行第一次回归，再经过nms，得到初步的proposal；在RCNN阶段，对于这些proposal，提取对应区域的feature map，并使用RoiAlign或者RoiPooling等方法，将这些proposal变成统一的大小（否则之后没法接FC等层了），经过各种卷积或者fc操作之后，对proposal进行再一次地回归。整个过程回归了2次边框，因此是两阶段的目标检测。
• 关于faster rcnn更加具体的解释可以参考这篇知乎文章：https://zhuanlan.zhihu.com/p/31426458

ancho generator分析

• 训练时，在RPN中，使用anchor generation的方法生成anchor，但是在这个过程中，由于生成了大量的anchor，因此会有非常严重的正负样本不均衡的问题，怎样保证生成anchor与gt bbox有尽可能大的IOU，其实是非常重要的问题，在FPN中，短边800训练时，常规的RP配置如下。

FPNRPNHead:
  anchor_generator:
    anchor_sizes: [32, 64, 128, 256, 512]
    aspect_ratios: [0.5, 1.0, 2.0]
    stride: [16.0, 16.0]
    variance: [1.0, 1.0, 1.0, 1.0]
  anchor_start_size: 32
  max_level: 6
  min_level: 2
  num_chan: 256

在移动端如果希望能够跑两阶段目标检测，那么一般都是需要减少输入图像的尺度的，但是这时候，如果使用原始的anchor size，则可能会导致anchor的recall@0.5(iou)太低。这样有3个主要问题

• 一方面进一步增加了目标检测的正负样本
• 另一方面也增加了网络学习的难度（召回的anchor不够多，网络需要学习更多的偏移量）。
• 不同大小的anchor在不同anchor size的情况下，召回也是不同的（如果anchor size很大的话，则大物体的召回情况会改善，但是这会带来大小物体召回不平衡的问题）。

因此，需要对anchor size进行一些调整，否则难以召回。

anchor start size修改

在320x320下，分析了anchor_start_size对召回的影响，默认32和修改为16之后的情况下，召回如下，

anchor start size	训练尺度	recall@0.5 for small	recall@0.5 for medium	recall@0.5 for large
32	320x320	0.814	18.371	23.069
16	320x320	2.468	4.960	5.627

上面可以看出，训练尺度为320x320anchor start size=32时，大小anchor的召回差距较大，这带来了不平衡的问题，而使用16的时候，不同尺度的anchor召回比较平衡，基于mobilenetv3模型，实验证明，32->16的改进，可以直接带来1.7%的coco mAP提升。

FPN level修改

• 检测中默认的backbone一般都是C2~C5，FPN输出P2~P6，而这其实会带来很大的计算量，如果通过减少backbone stage的方式（如C2~C4，FPN输出P2~P4）这可以减少计算量，但是又会带来召回不足的问题。分析不FPN leve情况下的召回，具体信息如下。
• 注意：在这里，anchor start size均为16。

FPN level	训练尺度	recall@0.5 for small	recall@0.5 for medium	recall@0.5 for large
P2~P4	320x320	2.468	4.928	1.922
P2~P5	320x320	2.468	4.960	4.952
P2~P6	320x320	2.468	4.960	5.627

由上面可以看出，其实P2~P6的FPN level还是非常有意义的，很大程度上提升了大物体的anchor阶段的召回情况。那既然直接使用backbone生成feature map很耗时，我们完全可以使用降采样卷积的方式生成更多的FPN feature map，这样在计算量很小的情况下，也可以保证anchor generator的正常运行。

下面可视化了P2~P4作为FPN feature map时的召回情况.

下面可视化了P2~P6作为FPN feature map时的召回情况。

其中，绿色框是可以被召回的anchor，红色框是gt bbox，很明显可以看出，更多的FPN level带来了更多可以用于回归的正样本。

使用P2~P6相比于P2~P4，coco mAP涨了1.3%。特别需要注意的是，大物体的mAP涨了2.5%，这个也验证了之前我们的分析结论。

实现

PaddleDetection中基于该种思路，提供了移动端的实用目标检测算法，COCO mAP可以达到25.0%，速度和精度都是可以与YOLO与SSD匹敌的。下面给出了精度和预测速度的情况，更加具体的可以参考PaddleDetection的github地址：https://github.com/PaddlePaddle/PaddleDetection/blob/master/configs/mobile/README.md

来源：oschina

链接：https://my.oschina.net/u/4328825/blog/4318465