Double Anchor R-CNN for Human Detection in a Crowd论文笔记-白红宇

Double Anchor R-CNN for Human Detection in a Crowd论文笔记

阅读量：4147 次

发布时间：2019-05-25

本文共 2063 字，大约阅读时间需要 6 分钟。

论文链接：

论文题目表明该算法应用场景为拥挤人群的人体检测。

一、摘要

人体检测的难题：1）拥挤遮挡问题；2）后处理的NMS，很难确定阈值，太大会导致误检多，太小漏检较多，如图1所示；

现象：相比于人体，头部特征更为明显，头和头之间的交叉肯定比人小很多；

思想：将头部检测添加到人体检测中。

二、Faster R-CNN

在这里插入图片描述

1.Conv layers：作为一种CNN网络目标检测方法，Faster RCNN首先使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层和全连接层。

2.Region Proposal Networks：RPN网络用于生成region proposals。该层通过softmax判断anchors属于positive或者negative，再利用bounding box regression修正anchors获得精确的proposals。

3.Roi Pooling：该层收集输入的feature maps和proposals，综合这些信息后提取proposal feature maps，送入后续全连接层判定目标类别。

4.Classification && Regression：利用proposal feature maps计算proposal的类别，同时再次bounding box regression获得检测框最终的精确位置。

三、Double Anchor R-CNN

在这里插入图片描述

Backbone: RestNet50 + FPN(特征金字塔)；

RPN：提出double anchor RPN，生成人体和头部的推选框对；

特征融合：融合头部和人体的特征；

Joint NMS: 用于后处理。

3.1 Double Anchor RPN

在这里插入图片描述

Double Anchor RPN: 一个anchor同时预测头部位置偏移和人体位置偏移，一个分类得分（前景or背景）；

loss:

第一项为分类的交叉熵损失，第二项为头部框的Smooth L1损失，第三项为人体框的Smooth L1损失。

正例选取方法: head-body 分支（anchor和头部gound truth iou > 0.7为正例）。

3.2 Proposal Crossover

1.问题：因为Double Anchor RPN只考虑了头框groundtruth来选正样本anchor，这样的话该anchor往往和对应的人框groundtruth偏差较大，这就带来了很大的回归难度，因此RPN阶段得到的人框proposal质量并不高。

2.解决方案：训练时并联body-head分支作为训练增强，利用人框选正例anchor，可以保证人框proposal的质量，之后该分支的人框proposal和之前分支的人框proposal通过规则匹配（IOU>0.5），然后质量高的人框proposal就可以替换掉质量低的人框proposal，最终就可以得到一对质量高的头框和人框。