美文网首页
HAMBox: Delving into Online High

HAMBox: Delving into Online High

作者: BlueCCircle | 来源:发表于2020-03-24 21:26 被阅读0次

    Outer Faces: 不能够匹配足够数量的positive anchors的人脸;

    High-quality anchors: 回归Bounding Boxes与对应的ground truth的IoU大于0.5的这些anchors;

    1. 介绍

    文章基于Anchors框架,作者提到,有效的anchor设计非常重要,这直接影响了FD的性能。如何选择anchor尺寸仍然是个难点,一般会存在错位现象,如下图所示:

    Fig 1

    (a) 图表示在不同anchor尺度下,每个ground truth face 匹配的平均anchor数量;

    (b) 图表示在不同anchor尺度下,可以匹配到anchors的人脸的比例。

    从图中可以看出,虽然随着anchor 尺度的增大,每个人脸匹配的anchors数量增多,但是能匹配anchors的真实人脸比例在下降,这种错位现象启发anchor scales的设计。

    为了解决这种错位现象,有两个代表性的方法:

    1)S^3F D通过增加offsetting anchors的anchor补偿策略,补偿 outer faces;

    2) Zhu et al 指定了EMO评价标准,进而设计更合理的anchor stride和感受野。

    尽管这些方法帮助outer faces匹配了更多的anchors,但是也生成了大量冗余或者低质量的anchors。

    Fig 2 performance of compensated anchors

    从上图中可以看到,补偿的anchors与ground truth 产生的平均IoU只有0.42,所以这种方法使得outer faces匹配到了更多低质量的anchors。

    作者利用PyramidBox作为Face detector进行anchor匹配统计实验,发现了一个非常有趣的现象,如下如所示:

    这里红色曲线是累计IoU的累计分布曲线,其中IoU是ground truth与可以被正确预测的回归anchors,这里采用的阈值为0.35,只有在训练阶段当IoU大于0.35的anchor,才被认为是匹配的anchors。下图我们可以发现,inference阶段,回归大于0.35的ancho只值占11%,所以作者认为,不仅仅是匹配的anchors,那些未匹配的anchors同样有着重要的地位。然而,在训练阶段,那些未匹配的anchors被认为是背景,这是不合理的。如何有效利用这些未匹配的anchors对提升人脸检测的性能非常重要。

    Fig 3 Comulative Desity Curve of IoU

    作者通过定义High-quality Anchors,如下图所示,可以看出有65%的High-quality Anchors在训练阶段是为匹配的。基于此,作者认为当前的anchors机制是不灵活的,并且没有充分利用anchors。

    Fig 4 Proportion of High quality anchors

    为了说明大部分回归的bounding boxes都是未匹配的在训练阶段未匹配的anchors,作者利用下图进行描述:

    其中横坐标表示与ground truth匹配的anchors数量,纵坐标表示在匹配anchors数量一定的情况下,满足当前条件人脸的数量。

    a) 红色柱状图表示,在训练阶段,当IoU>0.35时,与anchors匹配的人脸数量;

    b) 蓝色柱状图表示,在IoU>0.5时,与回归的bounding box匹配的人脸数量;这也就是经过网络回归后High-quality Anchors的数量;

    c) 绿色的图表示,High-quality Anchors经过NMS后,剩余的High-quality Anchors的数量。

    Fig 5 Performance of Matched High-quality Anchors

    上图可以做如下解释,例如Number of Anchors = 时,red = 3257,经过网络回归后,High-quality Anchors = 2442,再经过NMS后,High-quality Anchors = 316。这里说明316个High-quality anchors是matched anchors回归得到的,但是剩下的High-quality Anchors=2442-316=2126,这么多的High-quality Anchors怎么来的??作者认为这些High-quality Anchors是由训练阶段的未匹配Anchors回归得到的,所以作者认为训练阶段未匹配的Anchors也有很强的回归的能力。

    为了进一步说明和验证上述问题,作者提出了 Online High-quality Anchor Mining Strategy(HAMBox)。这个方法的思路就是挖掘那些隐藏的High-quality anchors 去给outer faces补偿更多的anchors,从而提高回归的准确性。

    2. Online High-quality Anchors Mining

    相关文章

      网友评论

          本文标题:HAMBox: Delving into Online High

          本文链接:https://www.haomeiwen.com/subject/ejpmyhtx.html