ECCV 2020 大规模实例分割挑战赛（LVIS Challenge）冠军方案

本文介绍 ECCV 2020 大规模实例分割挑战赛（LVIS Challenge）冠军方案，来自冠军团队 lvisTraveler 官方发布的报告：1st Place Solution of LVIS Challenge 2020: A Good Box is not a Guarantee of a Good Mask。

作者来自同济大学、清华大学、商汤科技。

该报告很短，除实验部分和参考文献后只有三页，但很具有启发性。

因为是算法比赛，所以该报告的重点是针对数据集提出问题，设计方案。尽管是针对数据设计算法，但因为该数据集很大，所以所提出的方案也具有普遍的参考价值。

LVIS Challenge 的特点：数据集很大，类别多（1200+类别），各类别分布不平衡长尾效应明显，另外mask标注很精细（超过200万个高质量实例分割标注）。

作者使用的算法基线：Mask-RCNN + HTC。

了解算法原理和开源实现请点击这里：实例分割的进阶三级跳：从 Mask R-CNN 到 Hybrid Task Cascade

训练策略：

采用两阶段的策略，先进行表示学习，后进行微调。

1）表示学习阶段：

1.1）使用了Equalization Loss （EQL）抑制出现次数过多和过少的类别；

1.2）使用了 Repeat Factor Sampling 样本采样技术；

1.3）数据增广中使用了Mosaic , 旋转和尺度扰动；

1.4）特别值得一提的是作者使用的自训练（Self-training）方法，主要包括两个部分：

1.4.1）作者将训练的模型在 LVIS v1.0 数据集上推断得到物体包围框，即伪标签，对那些与训练集中ground truth 没有重合的伪标签目标在训练时采取忽略的做法，防止数据标注遗漏而将真实目标作为背景来训练了。

1.4.2）另外作者也将训练的模型在Open Image 数据集上进行了推断，将得到的伪标签数据的一部分（每个epoch 1万幅图像）与LVIS v1.0 数据集一起作为训练数据，为了控制其对结果的影响，对此部分损失进行了加权。

可见，作者在这部分主要是为了应对数据集类别不平衡、数据清洗和扩增数据。

2）微调阶段

2.1）分类器平衡（Classifier Balance），作者在表示学习部分结束后，冻结网络的 backbone, neck 与 RPN，使用Balanced GroupSoftmax进行分类器平衡；

2.2）Mask 候选分配策略（Mask Proposal Assignment），作者们发现LVIS v1.0 含有的众多类别中有很多物体的mask与包围框的面积之比很小，很显然这多见于那些“细、长、瘦”的类别，他们包围框很大，mask占像素却不多（这也是论文标题中 “A Good Box is not a Guarantee of a Good Mask”的由来），其实应该使用精细的特征作为mask特征，所以不能仅根据尺度来确定分配FPN中那一层的特征。

于是，作者发明了一种考虑包围框尺度、mask面积的mask特征分配方法

（具体细节不再细述，请查看原论文）。

2.3）平衡的mask 损失函数（Balanced Mask Loss），基于上述观察，对于“细、长、瘦”的类别的实例，造成了前后景的不平衡，于是作者设计了考虑前后景平衡的mask损失函数。

其中两部分分别代表dice loss 和weighted binary cross-entropy loss。

基于上述方案，作者最终获得了LVIS比赛的第一名。

从数据集中发现问题，采取针对性策略很重要！

另外，特别值得一提的是，文中提及的“A Good Box is not a Guarantee of a Good Mask”也为实例分割打开了新眼界，欢迎感兴趣的同学继续研究，提出更好的策略。

论文地址：

https://arxiv.org/abs/2009.01559