Learning from Noisy Anchors for One-stage Object Detection 论文阅读笔记

• 这是CVPR2020的一篇论文

---

• 当前的目标检测根据于GTbox的IOU把anchor标注为背景或前景类别的分类标签，使得一些不完善的label给训练带来了噪音，提高了训练难度。本文提供了一个 cleanliness score 作为一个soft label，并作为某些trick的权重，提高了目标检测的精度，在retinanet上涨点了2%的map
• 分类的难度有一点原因是以下现象导致的：由于anchor的label是根据与GT的IOU大小确定的，所以当某个anchor与GT的IOU大于0.5时，也就是说只要目标的一部分进入anchor，就要求分类器把这个anchor分类为某个前景类别，而对于分类器来说可能只看到了这个目标的一部分而已，这就导致了训练的难度；
• 这种anchor标注的方式可以说是不合理的，因为一个anchor包含部分是否是一个目标没有明显的界限，这和图像分类不同，一个目标是否出现是很明确的，而这里依靠出现的部分的大小比例，根据人设置的阈值，来粗暴地分割为是和否，是不合理的
• 如图也可以明显感受到，根据IOU大小来确定一个anchor应该被分类为什么有时候是极其noisy和不合理的：
  
• 并且这种噪声给采样方法和Focal Loss带来更大的影响，因为他们导致很大的loss
• 因此对于每个anchor，我们需要的不是一个label，而是一个score，能够衡量一个anchor被回归到正确位置和分类为正确标签的可能性，并且最好是网络自己产生的，连续的score而不希望是人为定义的。本文根据分类的score和localization的精确度来确定这个值。并且这个score将用来确定某个anchor在loss中的权重，从而降低noisy anchor的影响
• 这个值的定义如下：
  
• 可见，score只对按原有方法归类为positive的anchor进行。这里的loc_a表示经过回归支路进行调整后的bbox与GTbox的IOU，cls_c表示分类输出（猜测是经过softmax或者sigmoid后的概率值，原文没有给代码无法判断）
• 举个例子，原来的二分类损失如下：
  
  其中t为1或0，但现在可以是0-1之间的一个离散值。
• 同时，这个c可以用来当作focal loss的权重：
  

其中，f为：$$f(x)=\frac{1}{1-x}$$
完整算法如下：