论文提出Cascade RPN算法来提升RPN模块的性能，该算法重点解决了RPN在迭代时anchor和feature不对齐的问题，论文创新点足，效果也很惊艳，相对于原始的RPN提升13.4%AR
论文:Cascade RPN: Delving into High-Quality Region Proposal Network with Adaptive Convolution
Introduction
目前，性能高的目标检测网络大都为two-stage（RPN+R-CNN）架构，相对于R-CNN，很少有研究专门去提升RPN的性能。因此，论文着重研究如何提升RPN的性能，解决其探索性的achor定义以及探索性的feature与anchor对齐的局限性
anchor由尺寸和长宽比定义，常规算法会使用一系列不同尺寸和长宽比的anchor来充分覆盖检测目标。设定合适的尺寸和长宽比是提升性能的关键，这通常需要一顿tuning
论文重点强调对齐规则，即图片特征和anchor必须是一致的。如图1a所示，由于RPN的anchor是均匀分布的，其方差十分大，难以学习，需要进行迭代回归。但RPN没有类似RoIPool或RoIAlign的手段进行特征对齐，因为RPN的输入很多，性能十分重要，只能进行常规的滑动卷积进行输出，这就造成了anchor和feature的对称问题。如图2b，可以看到Iterative RPN的收益是微乎其微的，这是由于在iterative RPN中，stage2的anchor与其特征不对齐（依然均匀地卷积），如图1c，stage2的输入anchor精调了，但是stage2卷积时使用的特征区域还是精调之前的
论文提出Cascade RPN来系统地解决前面提到的问题，算法主要有两个特点：
- Cascade RPN使用单anchor，并且结合anchor-based和anchor-free的准则来进行正样本的判定
- 为了获得多stage精调的好处并且保持特征和anchor对齐，Cascade RPN使用自适应卷积来精调每个stage的anchor，自适应卷积可以当作是个轻量级的RoI Align层
Cascade RPN简单但有效，能比原生RPN高出13.4%AR，并且能集成到two-stage检测器中，如Fast R-CNN和Faster R-CNN分别提升3.1%和3.5%
Region Proposal Network and Variants
文中简单介绍了RPN的概念，如图1a，通过卷积回归当前anchor与GT间的差值来进行精调，相信大家都比较了解了，这里就不再赘述了
Iterative RPN and Variants
Iterative RPN的架构如图2b所示，通过迭代回归得出不同stage的差值，然后按顺序对anchor进行精调。从结构来看，如上所述，这样的方法收益是微乎其微的，因为其特征与anchor是不对齐的
为了缓解对齐问题，一些研究使用可变形卷积来进行特征图上的空间变换，希望能使得精调后的anchor与变换后的特征对齐，如图2cd。但是这种方法并没有严格的约束去保证特征与变换后的anchor对齐，也很难确定变换后的特征和anchor是否对齐了
Cascade RPN
- Adaptive Convolution
对于feature map x，标准的二维卷积先通过网格采样，然后与权重w加权求和。
由卷积核大小与膨胀（dilation）定义，如
对应卷积核大小为3x3和膨胀为1。对于位置p的特征输出y，定义为
在自适应卷积中，网格替换为从输入anchor计算出的偏移
让定义为a在特征图上的精调后的anchor，偏移o可以分解为中心偏移和形状偏移
其中，为中心点偏移量，
是形状偏移量，由anchor的形状和卷积核大小决定。假设卷积核大小为3x3，则
，由于偏移量是小数，采样时使用双线性插值
如图3所示，常规卷积连续地采样特征，空洞卷积则根据膨胀按间隔采样特征，可变形卷积则根据学习的偏移来增大采样的空间位置，这是不规则的。而论文提出的自适应卷积则能保证在anchor内进行采样，是规则的，确保特征与anchor对齐
- Sample Discrimination Metrics
Cascade RPN每个位置仅使用一个anchor box，然后使用多stage的精调。在判定anchor的正负时，单纯地使用anchor-free或anchor-base方法都是不行的，因为使用anchor-free标准会导致stage2要求太低，而使用anchor-base则会导致stage1不能回归足够多的正样本。因此，Cascade RPN在stage1使用anchor-free标准，即中心点在GT center内即为正，而往后的stage则使用anchor-base标准，根据IoU进行判断
- Cascade RPN
Cascade RPN的架构如图2e所示，依靠自适应卷积来对齐特征和anchor。在stage1，自适应卷积可以认为是空洞卷积，因为anchor中心偏移为0，膨胀量根据shape而定。stage1的特征输出会连接到下一个阶段，因为其包含当前anchor的空间信息
整体流程如公式1，stage1的anchor集合是均匀分布在图片上的，而在stage
，计算出anchor的偏移
并通过regressor
计算出回归值
，再产生精调的anchor
。在最后的阶段，通过classifer计算出分类置信度，然后再进行NMS得出最后的结果
- Learning
Cascade RPN可以通过多任务的end-to-end方式进行训练，其中是stage
回归loss，权重为
，
则是分类的loss，两个loss通过
进行权重调整。在实现时，分类使用二值交叉熵而回归使用IoU loss
Experiment
Experimental Setting
实验的模型以ResNet50-FPN作为主干，每个特征level使用的尺寸为,
,
,
,
。FPN采用two-stage，第一阶段使用anchor-free标准，center-region
和ignore-region
分别为0.2和0.5，第二阶段使用anchor-based标准，IoU阈值为0.7。multi-task loss的stage-wise权重
，平衡权重
，NMS阈值为0.8。实验将图片等比缩放为
，不使用其余数据增强手段，在8GPU上用SGD训练12个epoch，batch 16，初始学习率为0.02，8周期和11周期降低10倍。RPN的性能用AR来衡量，最终的检测结果则以AP进行衡量
Benchmarking Results
Region Proposal Performance.Table1展示了Cascade RPN与state-of-the-art的RPN研究对比，其中Sharp Mask，GCN-NS，AttractionNet，ZIP结果直接从原文里获取，其余用mmdetection复现。Cascade RPN比原始的RPN提升了13.4%AR，由于遵守了对齐规则，Cascade RPN比其它的方法性能都要优异
Detection Performance.Table2展示了集成进two-stage检测器后的整体性能表现，Fast RCNN使用预先计算的anchor进行训练，而Faster RCNN则是end-to-end的。直接替换RPN的实验结果只有很小收益，需要修改一下实验参数，设定IoU阈值为0.65，只取top300 anchor。从结果看来，top300时在两个框架下分别提升了3.5%mAP和3.7%mAP
Ablation Study
Component-wise Analysis. 为了进一步了解Cascade RPN性能，进行了component-wise的实验。baseline是anchors为3的RPN，为58.3，当anchor为1时，
降到55.8，意味着正样本的大幅减少。而当使用自适应卷积使用时，性能提升为67.8，这意味着对齐在多阶段精调的重要性。混合anchor-free和anchor-based准则带来了0.8%的提升，使用回归统计（对回归差值进行归一化）带来2.9%AR收益，IoU loss带来0.2%的提升
Acquisition of Alignment. 为了研究自适应卷积的性能，进行了Table4实验。从结果可以看出，当仅使用中心偏移时，提升6.1%AR，而当使用中心和形状偏移时，性能达到67.8%
Sample Discrimination Metrics. Table5展示了采用标准的性能测试，从结果看来，单独使用anchor-free或anchor-based标准是不完美的，同时使用能带来很好的效果
Qualitative Evaluation. 图4的第一和第二行图片为stage1的结果，第三行为stage2的结果，可以看到，stage2的结果要好点
Number of Stages. Table6展示了stage数量对结果的影响，可以看到2-stage和3-stage性能几乎一样，2-stage是个不错的选择
Extension with Cascade R-CNN. 在Cascade R-CNN上，Cascade RPN能提升0.8%AP
Conclusion
论文提出优化版的Cascade RPN，该架构能够有效地解决RPN中anchor和feature的对齐问题，相对于原始的RPN，能提升13.4%AR，是个很不错的架构
创作不易，未经允许不得转载～
更多内容请关注个人微信公众号【晓飞的算法工程笔记】
