Single-Shot Refinement Neural Network for Object Detection
目录
1. motivation
2. RefineDet 解析(Network Architecture)
2.1 backbone 的构造
2.1 ARM的作用与构造
2.2 ODM的作用与构造
2.3 TCB 模块解析
2.4 multi-task loss function:
2.5 Two-Step Cascaded Regression（两步级联的回归）
2.6 Negative Anchor Filtering
3. Training and Inference
3.1 Data Augmentation
3.2 Backbone Network
3.3 Anchor的设计与匹配
4. 总结
4.2 技术总结
4.2.1 数据的处理(voc0712.py)
1. motivation
对于目标检测的方法按照处理流程可以分为：2-stage approach 和 1-stage approach; 两者在处理速度和准确率上各有千秋：
两步法（2-stage）[1],[2],[3] 先生成候选目标框集合(稀疏),然后进一步对它们进行分类和回归; 2-stage方法在一些比赛中取得了较好的性能；例如 faster R-CNN，往往具有很高的准确率，但速度相对而言并不快；
一步法（1-stage）[4],[5] 通过在位置、尺度和高宽比上的规则和密集抽样来检测物体.其主要优点是计算效率高,其检测精度通常落后于两阶段法，其主要原因之一是类别不平衡问题。例如 SSD，yolo，却可以获得很高的速度 为了克服两者缺点、继承双方的优点
基于此, 本篇论文提出的模型 RefineDet致力于将两者的优点结合起来, 弥补两者的缺点, 即:获得比2-stage 方法更好的准确率，并且具有与1 stage媲美的效率。
2. RefineDet 解析(Network Architecture)
本章主要讲解RefineDet每个模块的功能和实现方法;
RefineDet 的框架结构与SSD[4]有点类似, 总工作流程如下：
- 网络通过前馈生成固定数量的bounding box和分数；分数代表了这些box中某些类别的可能性。
- 使用non-maximum suppression产生最终的结果。
从结构上看，RefineDet主要由两个内部链接的模块组成：anchor强化模块（anchor refinement module， ARM）和物体检测模块（object detection module，ODM）。TCB模块是用于连接ARM和ODM的一个模块;
2.1 backbone 的构造
网络的主框架可以是VGG或者Resnet; 为了方便起见这里以VGG16为例,作为backbone.
backbone是通过删除VGG的分类层后,再添加两个基本网络的辅助结构（即，在ImageNet 上预训练的VGG-16 和ResNet-101 ）来构建的; 为了表达方便,将删除分类层的VGG16称为base, 添加的辅助结构叫做extras, 网络的构造如下:
