目标检测 | RetinaNet，经典单阶段Anchor-Based目标检测模型

Focal Loss for Dense Object Detection

论文来源：IEEE Transactions on Pattern Analysis and Machine Intelligence 2020 论文链接：Focal Loss for Dense Object Detection | IEEE Xplore 论文代码：https://github.com/facebookresearch/Detectron

@inproceedings{lin2017focal,
  title={Focal loss for dense object detection},
  author={Lin, Tsung-Yi and Goyal, Priya and Girshick, Ross and He, Kaiming and Doll{\'a}r, Piotr},
  booktitle={Proceedings of the IEEE international conference on computer vision},
  pages={2980--2988},
  year={2017}
}

归纳总结

主要工作

作者认为之前的单阶段检测算法精度不高的原因可能是前后景类别（正负样本）严重不均衡导致的。因此作者重新设计了一个损失：Focal Loss，其能降低可以较好分类的样本的损失权重，防止训练过程中大量的easy negatives给检测器带来的压制影响，并基于Focal Loss设计提出并训练了RetinaNet。

网络结构

RetinaNet的结构如下图：

主要包括三个部分：

• Backbone：使用了ResNet+FPN，用于生成多尺度{p3~p7}卷积特征图
• Anchor：p3-p7特征图的base_size设置为[32^2,64^2,128^2,256^2,512^2]，在每一层特征图针对denser scale coverage，设置{{2^0,2^{1/3},2^{2/3}}}三种不同的anchor size，比例为{1:2,1:1,2:1}，即每个位置9种Anchor。
• subnets：用于分类和回归，结构相同但参数不共享的小型FCN结构

Focal Loss

作者提到基于R-CNN模式的两阶段算法在解决训练过程中的正负样本不均衡的方法是：

• 两阶段级联：在proposal阶段过滤掉大量负样本
• 启发式采样：例如固定正负样本比例（例如1:3）或者在线难样本挖掘（Online Hard Example Mining，OHEM）

Focal loss的做法是设置一个sacling factor，如下图的(1-p_t)^{\gamma}，其可以自动的对easy example进行降权，从而使模型更关注hard example。

首先，对于二分类任务，普通的交叉熵如下：

如果定义p_t：

那么交叉熵可以写成CE(p,y)=CE(p_t)=-log(p_t)

有一种常见的用于解决类别不均衡的方法是添加一个权重变量\alpha \in [0,1]：

Focal Loss的做法是添加了一个权重变量(1-p_t)^{\gamma}：

因此当p_t趋近于1时，可以较好分类的样本被降权；而\gamma可以用来调节权重比率。除此之外，还可以将\alpha和FL损失相结合：

除此之外还有其他的Focal Loss变种形式。

实验结果