Rethinking Classification and Localization for Object Detection:关于目标检测中分类任务和定位任务的重思考

CVPR2020
截至目前495引

文章提出的问题

• 使用R-CNN的网络广泛使用了双头结构，这种双头结构对于目标检测中的分类和定位任务是友好的，但是大家并不知道为什么这种双头结构是好用。
• 文中提到了一个知识，就是作者再做实验时发现，FC检测头对分类效果更好，Conv检测头对定位效果更好，本文给出了原因
• 单Conv头的检测效果比双Conv头的效果好，本文给出了原因

图一

解决方案

• 作者发现FC结构相比与Conv具有更好的空间敏感性，这种空间敏感性是因为FC对候选的输入部分的参数时不同的，不同的参数分别负责不同的部分，这相比于Conv的参数共享的卷积核结构，

• 本文实验发现使用了双头和单头分别做实验，得到以下几组结果，中间一大列中的数值是给两个任务分配的权值。可以看到作者的实验结果表明，分别使用两种结构振针对两种任务的Double-Head的效果更好。
  
  图二

• 在图二中我们发现单Conv头的效果竟然比双Conv的效果好，作者剔提出的原因是单Conv在regression方面的任务预测帮助了他在classiffication方面的表现，这也是为什么图一中的（d）产生的原因。

思考

• 如下图的第一行展示的图，我们可以发现，在分类任务中关于大目标，两者的分类性能相差不大，只有在中小尺度的目标上，FC的分类效果要好于Conv。所以我们可以使用FC分类头来针对小目标或者密集目标的检测。
  
  图三
• 在第三行的展示图我们可以的发现，卷积确实要比FC的定位效果要好一些，但是并不明显，但是卷积在参数量的权衡上更好。
• 在图二中我们发现单Conv头的效果竟然比双Conv的效果好，这也是后面的卷积解耦头设计需要克服的困难。

推荐阅读

[1]Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Sun. Faster r-cnn: Towards real-time object detection with region proposal networks. In Advances in neural information processing systems, pages 91–99, 2015.
[2]Haichao Zhang and Jianyu Wang. Towards adversarially robust object detection. In The IEEE International Conference on Computer Vision (ICCV), October 2019.
[3]T. Lin, P. Dollar, R. Girshick, K. He, B. Hariharan, and S.Belongie. Feature pyramid networks for object detection.In 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 936–944, July 2017.