点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

前言

目前大规模的检测问题，挑战主要在数据的分布，比如有的类别的数量很少，模糊，遮挡等问题，但是像现在的检测问题都是每个框单独进行检测，而忽略了target之间的语义依赖关系，对检测出来的物体之间进行推理。

如下图a中的右上角部分，有一个模糊的白色的物体，我们人的思维方式就是去思考：首先它很像一个CCTV(也就是闭路是摄像机)，我们之前在b图中看到过。其次再观察他的周围，是马路，车，一个小的金属设备在监视着着车，所以他应该就是一个CCTV。B图中展示了其对象之间的图谱关系，这个就可以放到知识图谱里面去并且合并到detection pipline中。

章节目录

• 知识图谱引入

• 实验部分

01 知识图谱引入

那么Reasoning RCNN具体是怎么做的呢？首先，这篇文章实际上不是提出了一个新的检测方法，而是对传统检测做一个增强，具体如下图。

概括来说：首先就需要建立一个对于所有类别的一个语义池 semantic pool,他们之间的权重是来自于传统目标检测的的网络的分类层。随后需要一个类别级别的知识图谱去编码存在的语义知识。(主要是属性，关系)，在这个知识谱图中进行演化和传播。最后要做的就是特征的增强，这里的增强在检测中就是对分类特征的增强，每个区域新增强的特征被concat到原始的特征，来提升classification和localization的性能。

Reasoning RCNN可以基于任意base detector 比如Faster RCNN.

左边我们可以看到base detector其最后有一个类别的输出分类和检测出来的bouding box，这个分类器产生的权重将会生成前面提到的global semantic pool，（分类器关于每个类别的权重实际上包含了高层次的语义信息，因为在训练这个分类器的时候，其是整个图片进行了参与，分类器的参数不断更新，global pool也不断被训练）,然后知识图谱被引入，并将其输入到自适应推理模块。通过refine的模块去产生一个增强的特征。这个增强的模块是通过拼接而形成的。图中是蓝色与绿色。

下面更加详细地介绍每个模块，Resoning模块的整体的一个框架结构就是通过global pool结合知识生成新的信息，再通过Attention机制获得更好的表示。最后在一个软连接的作用下，获得更好的分类特征，在将其合并在一起，如下图所示。

自适应attention是使用image feature来计算的，以自动发现最相关的类别以进行自适应推理，具体如下图，其实就是通过softmax function得到。从categories到proposal对增强功能进行软映射，以获得区域性增强功能f’,最终对得到的增强特征与原始特征连接在一起。作为新的特征去送往网络产生新的结果。

02 实验部分

如下表中可以看到在base detector不同的时候，此方法带来了很多的性能提升。

下表可以看出来在小样本上的增益是最大的，也进一步证明了作者提出的方法的有效性。

下图是fastaer rcnn和加入此方法之后的可视化对比，可以看到检测效果有很多提升，少了很多漏检问题，因此也是从一方面展示了此方法检测的优越性。

END

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~