目标检测算法之Light-Head R-CNN

1. 前言

今天要为大家介绍一个RCNN系列的一篇文章，这也是COCO 2017挑战赛上获得冠军的方案。之前我们讲过了很多RCNN系列的检测论文了，例如Faster RCNN（请看公众号的Faster RCNN电子书）以及R-FCN 目标检测算法之NIPS 2016 R-FCN（来自微软何凯明团队） 。然后R-FCN是对Faster RCNN网络进行了改进，去掉了全连接层使得网络成为了全卷积网络，从而提升了检测速度，那么还能不能继续对R-FCN进行改进呢？Light-Head RCNN就实现了这一改进，我们先看一下Light-Head RCNN和一些主流的检测算法在精度和速度上的比较，如Figure1所示。

和多种One-Stage以及Two Stage检测算法对比中，Light-Head RCNN取得了较好的Trade Off

2. 具体方法

下面的Figure2为我们展示了Faster R-CNN，R-FCN，Light-Head RCNN在结构上的对比图。

Faster R-CNN，R-FCN，Light-Head RCNN在结构上的对比

我们知道，由于Faster RCNN经过ROI Pooling之后需要对每个候选框进行检测，这是特别耗时的，特别是图片中目标很多时。针对这种情况，R-FCN将所有的权重共享，并引入了Position Sensitive Score Map来解决CNN的位置不敏感性，所以在R-FCN中将Score Map的通道设计为个，因为对于COCO数据集来说就需要3969个通道，这样就极大的增加了运算的复杂度，基于这一点Light-Head RCNN的出发点就是是否可以将这个特征图变薄？但一旦将特征图变薄，那么R-FCN里面的vote方式产生预测结果就不能用了，所以需要增加全连接层做输出映射。

相对于Faster RCNN来讲，Light-Head RCNN的检测头部分是做了轻量化的，从上图可以看到Light-Head RCNN中的Region Proposal的通道数变小了，只有，并且只有一个全连接层，参数量大幅减少了。

Light-Head RCNN的示意图如下：

Light-Head RCNN的示意图

另外论文还在BackBone的最后一层卷积中加入了可分离卷积，以减少该层卷积的运算复杂度，同时实现两路卷积以增加不同的感受野。如Figure3所示：

多感受野的分离卷积

总的来说，Light-Head RCNN的结构细节可以总结如下：

• 使用L(ResNet-1001)和S(Xception*)两种类型的网络分别做Backbone。
• RPN网络的输入是conv4_x，定义了三个Anchor长宽比和五个尺度，另外还使用了NMS来降低候选框重叠率获得ROI。
• conv5_x输出的特征图通过large separable convolution 来获得更轻量的特征图。设置为，对于L网络，对于S网络，，，整个Op的复杂可以通过和来控制。
• 将ROI和轻量化的特征图共同作为PSROI 或ROI pooling的输入，得到10 或者 490个通道的特征图。
• Light-Head RCNN subnet部分使用了一个通道数为2048的全连接层来改变前一层特征图的通道数，最后再通过两个全连接层实现分类和回归。

还需要注意的是这里的S(Xception*)类型BackBone网络结构是类似Xception的一个网络，结构如下：

类Xception网络

3. 实验

实验部分内容很多，感兴趣的可以去看看原始论文，我这里只贴一下最终的结果。

基于ResNet101的Light-Head RCNN的测试结果如下，可以看到Light-Head RCNN精度很高：

注意里面的test size表示测试的图像长宽

下面是基于Xception*的Light-Head RCNN的结果，可以看到速度有较大提升，并且精度也能保持得比较好。在mAP达到30的情况下可以在Titan Xp上跑到102FPS。

基于Xception*的Light-Head RCNN的结果

4. 总结

总的来说这篇论文没有太多花哨的操作，而是仔细分析了R-FCN效率慢的原因，并加以改进。在使用轻量级BackBone的条件下达到了极高的速度并且精度也保持SOTA级别。

5. 参考

• https://zhuanlan.zhihu.com/p/31389174
• https://arxiv.org/abs/1711.07264
• 代码：https://github.com/zengarden/light_head_rcnn