【论文阅读】Illuminating Pedestrians via Simultaneous Detection Segmentation

论文来源

  • ICCV2017
  • arXiv report
  • github代码(caffe-matlab)

本文的主要问题是行人检测。作者探讨了如何将语义分割应用在行人检测上,提高检测率,同时也不损坏检测效率。作者提出了一种语义融合网络(segmentation infusion networks)去促进在语义分割与行人检测上的联合监督。其中行人检测为主要任务,语义分割主要起到了矫正,指导共享层的特征生成。作者在题目中提到了照亮行人。其实主要指的是通过语义分割的监督,可以使得生成的feature更聚焦在行人上,从而便于下游的行人检测。

另外本文比较好的贡献在于对网络的设置很合适,也就是说语义分割层的设置恰到好处。因此就算使用弱标注的语义信息也足以提升性能。

背景介绍

行人检测试计算机视觉中的核心问题,主要方法有两种:目标检测语义分割。这两种方法高度关联,但有各自的优缺点。比如目标检测可以定位不同的物体,但是很少能给出物体的边界。而语义分割虽然能逐像素地定位物体的边界,但是很难区别同类。

自然我们希望来自一个任务的知识能使得另一任务变得容易些。这在一研究的目标检测中已经得到了实现。那么在行人检测中却研究地很少。部分原因是在传统的行人数据集中缺乏逐像素的标注

例如我们来看传统的几个数据集.

  • Caltech
    image
  • KITTI
  • KITTI数据集简介与使用
    此数据集为摄像机视野内的运动物体提供一个3D边框标注(使用激光雷达的坐标系)。该数据集的标注一共分为8个类别:’Car’, ’Van’, ’Truck’, ’Pedestrian’, ’Person (sit- ting)’, ’Cyclist’, ’Tram’ 和’Misc’ (e.g., Trailers, Segways)。

以上两个数据集,仅仅提供了行人的bounding box,没有提供语义信息。

  • COCO

    本数据集是一般的目标检测数据集,可以从图上看出它提供了丰富的标签,既有位置信息,也有语义信息。

  • Cityscapes

此数据集提供了详细的城市语义标注,当然也包含了行人的语义标注。此数据集的主要意图就是促进语义分割在行人检测上的应用。这也是本文的core所在。

Simultaneous Detection & Segmentation

有两种方式来研究同时的检测与分割。一种是同时促进两种任务。例如我们广知的Instance-aware segmentation .
其实上面的图d就是典型的这类任务,它不同与以往的语义分割,而是在语义分割的基础上还要求把同类的分开。其实就是分割+检测。

第二种就是使用语义分割作为强线索明显地提高目标检测。其实很早,我读过人脸加测与人脸特征点的一篇文章,

《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks

这篇文章就是以人脸特征点检测来促进人脸检测的。其实人识别人脸往往就是识别人的五官来进行人脸检测。那么在目标检测中,语义信息往往提供了很强大的特征来促进检测,并且可以抑制背景的干扰。但有些工作要求先有一个单独的分割网络才能进行检测。我们的框架克服了这个缺点,可以将语义信息融合到shared feature maps,最后在准确性和性能上都有了提升。

方法解析在这里插入图片描述

上面是整个网络结构,包含了两阶段。第一阶段使用rpn网络提出行人检测候选框与给出初步的分值。第二阶段进一步地挖掘了hard sample,给出了对应的细化分数.由于rpn已经预测行人的位置足够准确了,因此第二步只是单纯的分类,没有bounding box的回归。而且两个网络的预测分数进行了叠加,作为最后的分类分数。

下面我们仔细阐述一下其中的道理。

RPN

RPN来源自Fatser rcnn,用来propose a set of bounding with associated confidence scores around pedestrains.
rpn网络在某个feature map的每一点处分别枚举出一定比例与尺度的anchor box,相当于在一个池化的图像空间的一个滑动窗口。每一个proposal box i都对应一个anchor(指scale与aspect ratio)与图像空间的一个位置。

如图,rpn采用VGG-16的conv1-5作为backbone(提特征),然后接了两个分层,一个层叫segementation infusion layer,另一个就是传统的proposal layer,带有两个输出层分别用于分类与bounding box回归。

从网络结构上看到,上面的segmentation infusion layer的ground truth 是两个白色小方块做成的mask,其实就是标注的行人检测的bouding box的内部。然后经过两个分层的联合训练,最终CONV1-5输出的feature map明显凸显了行人,即照亮了行人。

此rpn的目标函数如下:

在这里插入图片描述

LcL_cLc代表分类的损失,采用softmax logistic loss over two classes。(行人vs 背景)。此处将一个box识别为行人的法则是IoU>=0.5.

Lr是回归损失。使用Lr(ti,ti^)=R(ti−ti^)L_r(t_i,\hat{t_i})=R(t_i-\hat{t_i})Lr(ti,ti^)=R(titi^),R代表鲁棒的L1损失。其中bounding box的偏移信息被定义成在x,y与在w,h上的偏移量,即t=[tx,ty,tw,th]t=[t_x,t_y,t_w,t_h]t=[tx,ty,tw,th].

Ls是语义分割的损失。后面阐述。

实验中,λc=λs=1,λr=5\lambda_c=\lambda_s=1,\lambda_r=5λc=λs=1,λr=5,显然这里突出了回归的重要性,因为回归只有一次,而分类与语义分割就显得没那么重要。

BCN(Binary Classfication Network)

BCN主要完成在RPN提出的proposal的行人识别。作为一般的目标检测,一般采用faster rcnn后端的识别部分即可。但是根据《Is faster rcnn doing well for pedestrian detection?》,faster rcnn的后端反而会degrade pedestrian detection accuracy。因此这里选择使用VGG-16构建一个单独的识别网络。

这个网络主要在于识别RPN遗忘的hard example。提高那些遮挡、变形等行人的分数,从而可以将其检测出来。
当然了,此部分仍然增加了语义信息,提高识别率。

此部分的目标函数如下:
在这里插入图片描述
其中主要特点如下:

  1. LcL_cLc指的是分类损失,其中这里cic_ici是第i个proposal的类别标签,而ci^\hat{c_i}ci^则融合了来自RPN与BCN的分数。

具体说来,对于第i个Proposal,给定RPN的预测两类分数为{c^i0r,c^i1r}\left \{ \hat{c}_{i0}^r, \hat{c}_{i1}^r \right \}{c^i0r,c^i1r},BCN的分数为{c^i0b,c^i1b}\left \{ \hat{c}_{i0}^b, \hat{c}_{i1}^b \right \}{c^i0b,c^i1b},则融合后的分数为:
在这里插入图片描述

这里重点说一下,他这里给出的融合分数到底有何技巧?正如下面一章【问题1】提出的,这里为什么要这样取分数?而且这里的分类损失又是什么呢?

我们先来看看一般,如RPN中的分类损失怎么计算,实际上是使用softmax-logistic loss,也就是先计算softmax得分,再求label对应的logistic似然损失,最后令其最小化。

那么我们这里呢,肯定也是使用似然损失,那么如何计算label对应的分数呢?是不是也是使用softmax呢?

我们观测这里给出的c^i\hat{c}_ic^i ,其实就是softmax的形式。而这里原始的分数就是RPN+BCN之和。

而且这里省略了一个分数,即预测其为背景的分数,即1−c^i1-\hat{c}_i1c^i
2. 设置了cost-sensitive的权重wiw_iwi,用来优先检测大的行人。其中wi=1+hihw_i=1+\frac{h_i}{h}wi=1+hhi,其中hih_ihi为第i个proposal 的高,h为预计算的平均高。
3. 采取了更加严格的labeling policy,要求 a proposal to have IoU > 0.7 with a ground truth pedestrian box to be considered pedestrian (ci = 1), and otherwise background (ci = 0).

Simultaneous Detection & Segmentation

无论在RPN还是在BCN,都集合了融合layer.The segmentation infusion layer旨在输出两个mask揭示行人与背景分割的可能性 .这里选择使用仅仅一个layer和一个1x1的核,以至于尽可能高地施加影响到共享的层,从而驱使网络去直接融合语义特征到shared feature map。

Ls是一个在两类(行人vs 背景)的softmax logistic loss,应用于每一个位置i,同时也引入了cost-sensitive weight 即wiw_iwi.

在这里插入图片描述

这里SiS_iSi可以取所有行人的bounding box内的所有区域标注为1,其他区域为0. 也就是weak segmentation ground truth masks。这就是很大的优势,不再需要严格的标注信息。

这样做是可行的,因为我们将会融合层放在了conv5后面,此时图像已经经过了多层降采样。也就是基于box的标注与基于pixel的标注已经基本相同了。

那么具体怎么计算LsL_sLs呢?文中提到使用softmax logistic loss。那么这里的i应该指的bounding box的序号。因为有一个权重wiw_iwi的存在(我猜测)。

Ls(Si,S^i)L_s(S_i,\hat{S}_i)Ls(Si,S^i)应该针对每一个bounding box内的像素计算。使用infusion layer获取每一个像素的预测值(行人VS背景),那么我们就可以计算每一个像素点的二分类分数,对于bounding box内的像素点,取行人的预测分数,进而计算似然损失,并将其加起来,作为最后的LsL_sLs。而对于bounding box以外的区域,则取背景的预测分数,进而计算似然损失。也加起来,作为一个LsL_sLs

留下一个疑问,对于非盒子区域的S,如何计算权重呢?或者是不是不再需要权重了??

实验设计

实验设计其实就是两方面,一方面与baseline进行比较,一方面解释上述网络设计的可行性,也就是ablation study.

如下图,作者进行了 weak segmentation supervision,proposal padding, cost-sensitive weighting, and stricter supervision以及stage-wise fusion的研究。
这里写图片描述
对于weak segmentation supervision,proposal padding, cost-sensitive weighting, and stricter supervision,作者分别切除了每一部分,分别计算RPN,BCN以及Fusion的miss rate.

  • 这里RPN很明白,可以直接输入图片,禁掉了 weak segmentation supervision,进而检测行人,计算miss rate。
  • BCN呢?输入是什么?在原文中,BCN直接输入的是proposal裁剪测图像。这里应该还是如此,只不过禁掉了 weak segmentation supervisio,但是RPN中正常,不要禁掉weak segmentation supervision。
  • Fusion则全部禁掉weak segmentation supervision.

对于最后一行的SDS-RCNN,BCN则还是需要以RPN为输入,只不过分数不再融合,直接计算其分类得分,从而检测行人。而Fusion则融合RPN与BCN的分数。

问题

  1. BCN(Binary Classfication Network)的分数融合机制是否是最优的,文中提到:
    这里写图片描述
    也即是说两个网络进行了互补机制,一句话概括就是好上加好,优中选优
    具体说来,当RPN网络预测某个proposal为行人的分数很高,而BCN网络也如此,则显然,最后预测行人的分数会很高。相反对于一些hard example,可能RPN预测地很低,而BCN预测地很高,则最终的结果如何呢?这实际上取决于二者分数的综合效果,其实就是两者的和,如果行人分数的和大于背景分数的和,则最终预测行人的分数就很高。反之,则可能还是背景。这也说明,只有BCN预测hard example的能力足够强,才能形成互补机制。对于一些模棱两可的example,即使BCN预测其为行人的分数较高,但如果不是足够高,则最终也不能将其判为行人,这实际上就减轻了false positive的压力。
  2. softmax logistic loss??

参考 softmax logistic loss详解

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/258697.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

跨域获取json电商数据

url:http://www.darlingbank.com/cutpage/index.php/promote/edit/getfun/json/源碼&#xff1a; <ul class"cf" dataurl"http://www.paipai.com/sinclude/xml/tjw/tjw2014/tjw4/tjw179255804475.js" commlen"4" commsta"1" commtp…

Python ORM框架之 Peewee入门

之前在学Django时&#xff0c;发现它的模型层非常好用&#xff0c;把对数据库的操作映射成对类、对象的操作&#xff0c;避免了我们直接写在Web项目中SQL语句&#xff0c;当时想&#xff0c;如果这个模型层可以独立出来使用就好了&#xff0c;那我们平台操作数据库也可以这么玩…

天联高级版客户端_金万维天联高级版服务器安装配置全流程以及客户端登录流程...

今天下午&#xff0c;有一个使用千江软件的用户&#xff0c;他想实现千江软件的异地访问&#xff0c;经过他朋友也是金万维天联高级版的客户的介绍&#xff0c;推荐我们帮他安装天联高级版&#xff0c;从而实现千江软件的异地访问&#xff0c;千江软件本地访问界面如下&#xf…

[C#]async和await刨根问底

上一篇随笔留下了几个问题没能解决&#xff1a; 调用IAsyncStateMachine.MoveNext方法的线程何时发起的&#xff1f; lambda的执行为何先于MoveNext方法&#xff1f; 后执行的MoveNext方法做了些什么事情&#xff1f; 那么今天就来尝试解决它们吧~PS: 本文中部分代码来自上一篇…

模仿QQ截图片

两个picturebox,一个放图片完整代码如下using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Text; using System.Windows.Forms; using System.Data.OleDb; using System.Xml; namespace T…

/usr/lib/libstdc++.so.6: version `GLIBCXX_3.4.15' not found错误的解决

转载自&#xff1a;http://www.cnblogs.com/weinyzhou/p/4983306.html 升级cmake时&#xff0c;提示“Error when bootstrapping CMake:Problem while running initial CMake”&#xff0c;第二次运行./bootstrap时&#xff0c;直接的给出了错误原因&#xff1a; [rootloc…

Spring中Bean的定义继承

以下内容引用自http://wiki.jikexueyuan.com/project/spring/bean-definition-inheritance.html&#xff1a; Bean定义继承 bean定义可以包含很多的配置信息&#xff0c;包括构造函数的参数&#xff0c;属性值&#xff0c;容器的具体信息例如初始化方法&#xff0c;静态工厂方法…

python实时连接oracle_Python连接Oracle

Python连接Oracle当前环境&#xff1a;Linux Centos 71. 下载安装包cx_Oracle由于我本地Python版本是2.7,所以选择是2.7版本wget https://pypi.python.org/packages/e1/18/00987c6a9af9568ee87d1fcba877407684a3f1b87515e5eb82d5d5acb9ff/cx_Oracle-6.0rc1-py27-1.x86_64.rpm#m…

C语言字符串函数大全

转载自http://www.360doc.com/content/08/0723/22/26860_1462024.shtml# C语言字符串函数大全 函数名: stpcpy 功能: 拷贝一个字符串到另一个 用法: char *stpcpy(char *destin, char *source); 程序例: #include<stdio.h> #include<string.h> int main(void) { ch…

Makefile中 -I -L -l区别

转载自&#xff1a;http://blog.csdn.net/davion_zhang/article/details/41805641 我们用gcc编译程序时&#xff0c;可能会用到“-I”&#xff08;大写i&#xff09;&#xff0c;“-L”&#xff08;大写l&#xff09;&#xff0c;“-l”&#xff08;小写l&#xff09;等参数&am…

PLT redirection through shared object injection into a running process

PLT redirection through shared object injection into a running process

python电脑版软件下载_Python for windows

Python是一门跨平台的脚本语言,Python规定了一个Python语法规则,实现了Python语法的解释程序就成为了Python的解释器,我们用的比较多的是C版本的Python,也就是使用C语言实现的Python解释器,除此之外还有使用Java实现的Jython和使用.NET实现的IronPython,这些实现可以使Python用…

Struts优缺点

跟Tomcat、Turbine等诸多Apache项目一样&#xff0c;是开源软件&#xff0c;这是它的一大优点。使开发者能更深入的了解其内部实现机制。 Struts开放源码框架的创建是为了使开发者在构建基于Java Servlet和JavaServer Pages&#xff08;JSP&#xff09;技术的Web应用时更加容易…

由Google Protocol Buffer的小例子引起的g++编译问题

问题 学习 Google Protocol Buffer 的使用和原理时&#xff0c;提供了一个小例子&#xff0c;讲述了protobuf的使用方法。 假如已经有了如下文件&#xff1a; 其中writer.cpp如下&#xff1a;#include "lm.helloworld.pb.h" #include<iostream> #include<…

用python编写表达式求值_用Python3实现表达式求值

Problem Description yizhen has no girlfriend due to his stupid brain that he even can’t solve a simple arithmetic roblem. Can you help him If you solve it and tell him the result, then he can find his lovers! So beautiful! Input The input一、题目描述请用 …

the first day

开博第一天&#xff0c;从此记录我生活学习的点滴&#xff0c;加油转载于:https://www.cnblogs.com/fkissx/p/3702132.html

驱动-问题解决

今天在网上买了一个二手的电脑&#xff0c;拿回来以后&#xff0c;发现有点问题&#xff0c;一个问题就是 1.usb插上U盘以后没有反应 解决方法&#xff1a; 尝试一、直接在网上下载了一个360驱动大师&#xff0c;更新了一下驱动&#xff0c;没有解决 尝试二、在网上下载了一个驱…

Swift 学习- 02 -- 基础部分2

class NamedShape{ var numberOfSides: Int 0 var name: String init(name: String) { self.name name } func simpleDecription() -> String { return "A shape with \(numberOfSides) \(name) sides" } } // 除了储存简单的属性之外,属性可以有 getter 和 set…

R-CNN detection 运行问题及办法

运行caffe官方提供的jupyter 的rcnn detection&#xff0c;总是出现各种问题。先将问题及方法汇集在此&#xff1a; 1. Selective Search 的安装问题 按照官网&#xff0c;我下载了selective_search_ijcv_with_python&#xff0c;但是在我的linux matlab2017a上总是出现问题&…

python怎么用lambda和map函数_Python之lambda匿名函数及map和filter的用法

现有两个元组((a),(b)),((c),(d))&#xff0c;请使用python中匿名函数生成列表[{a:c},{b:d}]t1 ((a), (c))t2 ((b), (d))print(list(map(lambda t: {t[0]: t[1]}, zip(t1, t2))))l lambda t1, t2: [{i: j} for i, j in zip(t1, t2)]print(l(t1, t2))map内置函数使用&#xf…