PPDet：减少Anchor-free目标检测中的标签噪声，小目标检测提升明显( 三 ) 本文首发于AI算法修炼营作者|SFXiang编

与其他anchor-free方法相似，在本文的模型中，会对分配给目标对象的每个前景特征进行训练以预测其目标的GT框的坐标。
2、 Inference推理PPDet的推理流程如图3所示。首先，将输入图像送入到产生初始检测集的主干神经网络模型。
每次检测都与（i）边界框、（ii）目标类别（选择为具有最大概率的类）和（iii）置信度得分相关联。
在这些检测中，将消除使用背景类标记的检测，并将在此阶段剩余的每个检测都视为对其所属目标类别的投票，其中方框是目标位置的假设，置信度得分是投票的强度。如果属于同一目标类别的两个检测重叠超过一定量（即交并比（IoU）> 0.6），则将它们视为对同一目标的投票，并且每个检测的得分相比于其他检测的分数增加k的（IoU-1.0）次方倍，其中K为常数。
因此， IoU越多，增加幅度越大。将这一过程应用于每对检测后，将获得最终检测的分数。此步骤之后是NMS操作，该操作会产生最终检测结果。
文章插图
图3 ：（左）PPDet推理流程的示意图。预测的人和滑雪板框分别以红色和蓝色显示。红色和蓝色方框相互投票。（右）一个pooling示例。虚线边界红框投给实线红框，虚线边界蓝框投给实线蓝框。图中显示的是实心框的最终得分（汇总后）。
值得注意的是，尽管推理中使用的预测池似乎与训练中使用的池不同，但实际上，它们是相同的过程。训练中使用的假设是由正区域中的特征预测的边界框彼此完全重叠（即IoU = 1），可以看作推理过程的一个特例。
3、网络框架
PPDet使用RetinaNet的网络模型作为整体框架，它由一个主干卷积神经网络（CNN）和一个特征金字塔网络（FPN）组成。 FPN计算多尺度的特征表示，并产生五个不同尺度的特征图。
在每个FPN层的顶部有两个独立的并行网络，即分类网络和回归网络。分类网络输出一个W×H×C的张量，其中W和H是空间维度（分别是宽度和高度）， C是类别数量。同样，回归网络输出一个W×H×4的张量，其中4是边界框坐标的数量，并将这些张量中的每个像素称为一个特征。
3 实验与结果
数据集：COCO
消融实验：
1、Size of the “positive area”
如前所述，将“正区域”定义为与GT框同心且形状与GT框相同的区域。实验中通过将“正区域”的宽度和高度乘以收缩因子来调整其大小。用收缩系数在1.0和0.2之间进行了实验。
表1中显示了性能结果。但是，从缩小系数1.0到0.4 ， mAP会增加，但是在那之后性能会急剧下降。基于这种消融，将其余的实验的收缩因子设置为0.4 。
文章插图
2、Regression loss weight
为了找到分类和回归损失之间的最佳平衡，对回归损失权重进行了消融实验。如表2所示，最好的结果是0.75 。在其余的实验中，也将回归损失的权重设置为0.75 。
文章插图
对比实验
文章插图
更多细节可参考论文原文。
文章插图