作為與FCOS和FSAF同期的Anchor-free論文，FoveaBox在整體結構上也是基於DenseBox加FPN的策略，主要差別在於FoveaBox只使用目標中心區域進行預測且迴歸預測的是歸一化後的偏移值，還有根據目標尺寸選擇FPN的多層進行訓練，大家可以學習下
來源：曉飛的演算法工程筆記 公眾號
論文: FoveaBox: Beyound Anchor-Based Object Detection
Introduction
論文認為anchor的使用不一定是最優的搜尋目標的方式，且受人眼視網膜中央凹(fovea)的啟發：視覺區域的中部有最高的視覺敏銳度，所以提出了anchor-free目標檢測方法FoveaBox。
FoveaBox聯合預測每個有效位置為目標中心的可能性及其對應目標的尺寸，輸出類別置信度以及用以轉化目標區域的尺寸資訊。如果大家看過很多Anchor-free的檢測方案，可能覺得論文的實現方案很常見，的確，其實這篇文章也是Anchor-free井噴初期的作品，整體思路很純粹，也是很多大佬都想到的思路，在閱讀時需要關注以下細節：
- 以目標的中心區域進行分類預測與迴歸預測
- 將回歸預測的是歸一化後的偏移值
- 訓練時可指定FPN多層同時訓練
- 提出特徵對齊模組，使用迴歸的輸出來調整分類的輸入特徵
FoveaBox
Object Occurrence Possibility
給定GT目標框\((x_1, y_1, x_2, y_2)\)，將其對映到特徵金字塔層\(P_l\)：
\(s_l\)為特徵層相對於輸入的stride，正樣本區域\(R^{pos}\)為大致為對映框的縮小版本：
\(\sigma\)為人為設定縮放因子。在訓練階段，正樣本區域內的特徵點標記為對應的目標類別，其餘的區域為負樣本區域，特徵金字塔每層的輸出為\(C\times H\times W\)，\(C\)為類別總數。
Scale Assignment
網路的目標是預測目標的邊界，直接預測是不穩定的，因為目標尺寸的跨度很大。為此，論文將目標尺寸歸為多個區間，對應特徵金字塔各層，各層負責特定尺寸範圍的預測。給予特徵金字塔\(P_3\)到\(P_7\)基礎尺寸\(r_l=2^{l+2}\)，則層\(l\)負責的目標尺寸範圍為：
\(\eta\)為人工設定的引數，用於控制特徵金字塔每層的迴歸尺寸範圍，不在該層尺寸範圍內的訓練目標則忽略。目標可能落到多個層的尺寸範圍內，這時使用多層進行訓練，多層訓練有以下好處：
- 鄰接的特徵金字塔層通常有類似的語義資訊，可同時進行優化。
- 大幅增加每層的訓練樣本數，使得訓練過程更穩定。
Box Prediction
在預測目標尺寸時，FoveaBox直接計算正樣本區域\((x,y)\)到目標邊界的歸一化的偏移值：
公式4先將特徵金字塔層的畫素對映回輸入圖片，再進行偏移值的計算，訓練採用L1損失函式。
Network Architecture
網路結構如圖4所示，主幹網路採用特徵金字塔的形式，每層接一個預測Head，包含分類分支和迴歸分支。論文采用較簡單的Head結構，使用更復雜的Head可以獲得更好的效能。
Feature Alignment
論文提出了特徵對齊的trick，主要是對預測Head進行改造，結構如圖7所示，
Experiment
與SOTA方法進行對比。
Conclusion
作為與FCOS和FSAF同期的Anchor-free論文，FoveaBox在整體結構上也是基於DenseBox加FPN的策略，主要差別在於FoveaBox只使用目標中心區域進行預測且迴歸預測的是歸一化後的偏移值，還有根據目標尺寸選擇FPN的多層進行訓練。由於FoveaBox的整體實現方案太純粹了，與其它Anchor-free方法很像，所以一直投稿到現在才中了，作者也是相當不容易。
如果本文對你有幫助，麻煩點個贊或在看唄～
更多內容請關注 微信公眾號【曉飛的演算法工程筆記】
