Anchor box的理解
Anchor box的理解
这个概念最初是在Faster R-CNN中提出,此后在SSD、YOLOv2、YOLOv3等优秀的目标识别模型中得到了广泛的应用。
背景
在Faster-RCNN中首次提出anchor box之前,存在的滑动窗口、区域建议(Regional Proposal)检测目标时都会存在一定的问题,比如一个窗口只能检测出一个目标。而anchor box很好的解决了这个问题。
滑动窗口:这是比较原始的目标检测方法,给定一个固定尺寸的窗口,根据设定的步伐,一步一步的从左至右、从上至下滑动,把每个窗口输入到卷积神经网络中进行预测和分类,这样做有两个缺点:
- 由于窗口尺寸固定,因此不适合形变较大的物体
- 窗口较多,运算量大
区域建议:这是R-CNN系列中核心的思想,以Faster R-CNN为例,模型中使用了两个神经网络,一个是CNN,一个是RPN(Regional Proposal),区域建议网络不负责图像的分类,它只负责选取出图像中可能属于数据集其中一类的候选区域。接下来就是把RPN产生的候选区域输入到分类网络中进行最终的分类。
先验知识
传统目标检测输出的表示方法: y = [ p c b x b y b h b w c 1 c 2 c 3 ] \mathrm{y}=\left[\begin{array}{l}p_{c} \\ b_{x} \\ b_{y} \\ b_{h} \\ b_{w} \\ c_{1} \\ c_{2} \\ c_{3}\end{array}\right] y=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡pcbxbybhbwc1c2c3⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤,其中:
pc:网格中是否含有目标对象
bx:目标对象中心点的x坐标
by:目标对象中心点的y坐标
bh:目标对象的高度
bw:目标对象的宽度
c1,c2,c3:目标对象的类别
交并比(IOU):
I o U = area ( C ) ∩ area ( G ) area ( C ) ∪ area ( G ) I o U=\frac{\operatorname{area}(C) \cap \operatorname{area}(G)}{\operatorname{area}(C) \cup \operatorname{area}(G)} IoU=area(C)∪area(G)area(C)∩area(G)
算法
训练阶段:
在训练阶段,是把anchor box作为训练样本,为了训练样本我们需要为每个锚框标注两类标签:一是锚框所含目标的类别,简称类别;二是真实边界框相对锚框的偏移量,简称偏移量(offset)。在目标检测时,我们首先生成多个锚框,然后为每个锚框预测类别以及偏移量,接着根据预测的偏移量调整锚框位置从而得到预测边界框,最后筛选需要输出的预测边界框。
假设图像中有 n a n_{a} na个anchor box,有 n b n_{b} nb个真实边界框,这样的话就形成了一个anchor box与真实边界框之间的对应关系矩阵 X ∈ R n a × n b X \in R^{n_{a} \times n_{b}} X∈Rna×nb,那么就根据这个对应关系找出与每个anchor box交并比最大的真实边界框,然后真实边界框的标签作为anchor box的标签,然后计算anchor box相对于真实边界框的偏移量。
这样的话就标记好了每个anchor box:标签和偏移量。
在经过一系列卷积和池化之后,在feature map层使用anchor box,到了特征层之后对每个cell映射到原图中,找到预先标注的anchor box,然后计算这个anchor box与ground truth之间的损失,训练的主要目的就是训练出用anchor box去拟合真实边框的模型参数。
损失函数:
L ( { p i } , { t i } ) = 1 N c l s ∑ i L c l s ( p i , p i ∗ ) + λ 1 N r e g ∑ i p i ∗ L r e g ( t i , t i ∗ ) L\left(\left\{p_{i}\right\},\left\{t_{i}\right\}\right)=\frac{1}{N_{c l s}} \sum_{i} L_{c l s}\left(p_{i}, p_{i}^{*}\right)+\lambda \frac{1}{N_{r e g}} \sum_{i} p_{i}^{*} L_{r e g}\left(t_{i}, t_{i}^{*}\right) L({pi},{ti})=Ncls1i∑Lcls(pi,pi∗)+λNreg1i∑pi∗Lreg(ti,ti∗)
L c l s ( p i , p i ∗ ) L_{c l s}\left(p_{i}, p_{i}^{*}\right) Lcls(pi,pi∗)是类别损失, p i ∗ p_{i}^{*} pi∗是真实标签,如果是正样本,标注为1,如果是负样本标注为0。同理, L r e g ( t i , t i ∗ ) L_{r e g}\left(t_{i}, t_{i}^{*}\right) Lreg(ti,ti∗)为位置偏移损失, t i ∗ t_{i}^{*} ti∗是真实边框相对于anchor box的4个参数化坐标的向量,训练的最终目标就是使得损失函数$ L\left(\left{p_{i}\right},\left{t_{i}\right}\right)$ 最小化,这样会得到使得预测类别 p i p_{i} pi 、预测偏移量 t i t_{i} ti 与真实标注最佳拟合模型参数。
预测阶段:
首先在图像中生成多个anchor box,然后根据训练好的模型参数去预测这些anchor box的类别和偏移量,进而得到预测的边界框。由于阈值和anchor box数量选择的问题,同一个目标可能会输出多个相似的预测边界框,这样不仅不简洁,而且会增加计算量,为了解决这个问题,常用的措施是使用非极大值抑制(non-maximum suppression,NMS)。
1 i ← n;
2 CompPartialMax(0, i − 1);
3 chkpt ← −1;
4 while i<W − 2n do
5 j ← CompPartialMax(i, i + n);
6 k ← CompPartialMax(i + n + 1, j + n);
7 if i == j OR I[j] > I[k] then
8 if (chkpt ≤ j − n OR I[j] ≥ pmax[chkpt])AND (j − n = i OR I[j] ≥ pmax[j − n]) then
9 MaximumAt(j);
10 if i<j then
11 chkpt ← i + n + 1;
12 i ← j + n + 1;
13 else
14 i ← k;
15 chkpt ← j + n + 1;
16 while i<W − n do
17 j ← CompPartialMax(chkpt, i + n);
18 if I[i] > I[j] then
19 MaximumAt(i);
20 i ← i + n − 1;
21 break;
22 else
23 chkpt ← i + n − 1;
24 i = j;
Algorithm 3: 1D NMS for (2n + 1)-Neighborhood
NMS就是一个抑制冗余的反复迭代-遍历的过程。
对于一个预测边界框 B B B,模型最终会输出会计算它属于每个类别的概率值,其中概率值最大对应的类别就是预测边界框的类别。在同一副图像上,把所有预测边界框(不区分类别)的预测概率从大到小进行排列,然后取出最大概率的预测边界框 B 1 B_{1} B1作为基准,然后计算剩余的预测边界框与 B 1 B_{1} B1 的交并比,如果大于给定的某个阈值,则将这个预测边界框移除。这样的话保留了概率最大的预测边界框并移除了其他与其相似的边界框。接下来要做的就是从剩余的预测边界框中选出概率值最大的预测边界框 B 2 B_{2} B2 计算过程重复上述的过程。
Anchor box的理解相关推荐
- 【目标检测】概念理解:region proposal、bounding box、anchor box、ground truth、IoU、NMS、RoI Pooling
最近刚接触图像识别,理解一些概念十分困难,尤其是动不动就冒出个看不懂的英语,让人抓狂.查了不少资料后做一个总结并加上一些自己的理解,理解若有误,烦请大家指出,相互学习. 本文主要对region pro ...
- 抛弃Anchor box和NMS,目标检测新范式开源:Sparse R-CNN
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要10分钟 Follow小博主,每天更新前沿干货 作者丨孙培泽@知乎 来源丨https://zhuanlan.zhihu.com/p/31005 ...
- 计算机视觉 滑动窗方法,图像分割相关技术之滑动窗口、RPN以及anchor box简介
图像分割相关技术之滑动窗口.RPN以及anchor box简介 标签:## 时间:2019/11/17 11:07:25 作者:小木 对象识别(object recognition)是计算机视觉(co ...
- (Object detection)目标检测从入门到精通——第四部分anchor box
3.8 Anchor Boxes 到目前为止,对象检测中存在的一个问题是每个格子只能检测出一个对象,如果你想让一个格子检测出多个对象,你可以这么做,就是使用anchor box这个概念,我们从一个例子 ...
- 0927锚框(Anchor box)
锚框(Anchor box) 目标检测算法中,通常会在输入图像中采样大量的区域,然后判断这些区域中是否包含所感兴趣的目标,并调整区域边界从而更加准确地预测目标的真实边界框(ground-truth b ...
- anchor box 是如何确定的?
文章目录 anchor box 是如何确定的? anchor box 框的位置是怎么设置的? anchor box 的数量和形状是怎么设置的? anchor box 的预测过程是怎样的? 1. 将 a ...
- ECCV2020 AABO: Adaptive Anchor Box Optimization for Object Detection via Bayesian Sub-sampling论文翻译
ECCV2020 AABO论文翻译 摘要 1.介绍 2.相关工作 3.提出的方法 3.1 初步分析 3.2 anchors的搜索空间优化 3.3 通过子抽样的贝叶斯锚优化 4.实验 4.1数据集,指标 ...
- Bounding Box与anchor box
之前一直分不清Bounding Box与anchor box,直到问了一下 YOLO会将输入的图片分成S*S个网格,每个小网格会生成n个anchor Box.图像的真实框会和图像中心点所在的小网格生成 ...
- 锚框(anchor box)/先验框(prior bounding box)概念介绍及其生成
一.锚框(anchor box)/先验框(prior bounding box) 在众多经典的目标检测模型中,均有先验框的说法,有的paper(如Faster RCNN)中称之为anchor(锚点), ...
最新文章
- c语言随机浮点数,C随机浮点数生成
- 知乎联合清华:开放国内最大个性化推荐实际交互数据集
- 如果我要...(开发版)
- php 正则匹配反向引用,php正则表达式子模式的反向引用学习笔记
- spring和springboot区别
- CodeForces - 660C Hard Process
- 文件方式实现完整的英文词频统计实例(9.27)
- 第15篇: Flowable-BPMN操作流程之排他网关
- android获取图片方向并旋转,Android 判断imageview角度并旋转
- 毕设/私活/兼职必备,一个挣钱的开源【SpringBoot+Spring Security+MyBatis Plus】脚手架
- 设计灵感|元素拼接的海报到底好看在哪里?
- 常见关联图库之欺诈指数排位战
- Spring框架最终注解标签注入方法
- DPM2010 粒度恢复个人用户邮箱
- 201521123014《Java程序设计》第1周学习总结
- python 快速排名发包_2019年SEO快速排名发包技术及原理 - 立金哥
- java 以10为底的对数_获取Java中值的以10为底的对数
- matlab get(gcf,'postion ')相关解释
- 理解深度负反馈,线性失真与非线性失真线性现象
- android虚拟手机云之二:应用多开