算法探究-3.centerNet(原理講解)

centerNet的 創新點:

這是一種不需要使用anchor的網絡結構，網絡的輸出使用的由3個head層所決定，第一個輸出類別數，第二個輸出中心點位置，第三個輸出偏置項

(hm): Sequential(
(0): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(1): ReLU(inplace)
(2): Conv2d(64, 80, kernel_size=(1, 1), stride=(1, 1))
)
(wh): Sequential(
(0): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(1): ReLU(inplace)
(2): Conv2d(64, 2, kernel_size=(1, 1), stride=(1, 1))
)
(reg): Sequential(
(0): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(1): ReLU(inplace)
(2): Conv2d(64, 2, kernel_size=(1, 1), stride=(1, 1))
)

我們先放置一張檢測結果來進行演示

假設輸入一張圖的大小是640x640， 下采樣的比例是4的話，那么卷積圖的尺度是160x160

損失函數談論

中心點預測損失函數 

這里采用的也是focal loss的思想

第一種情況: 當是目標物體時，當 接近1的話，這個物體容易被識別出來，即(1- )^a的值越小，即損失值也越小，使得權重偏向於更難訓練的目標

第二種情況: 1.當不是目標物體時，假如此時的概率值是0.9，因為這個時候的概率值應該是0才對，我們使用( )^a進行懲罰，但是由於可能是中心點附件的位置，所以使用(1-Yxyc)^P 進行安慰一下

　　　　      2.當不是目標物體時，假如此時的概率值是0.1， 對於( )^a進行獎勵，使用(1-yxyc)^P進行懲罰，即離的越遠，損失函數越大，離的越近，損失函數越小，這相當於弱化了實際中心點其他負樣本的損失比重，相當於處理正負樣本不平衡。

目標預測偏置損失函數

由於中心點直接采用的是特征圖的中心點，因此在實際的縮放過程中，應該是需要有關於中心點位置的偏移量

 

 

 假設我們有一張640和320的圖片，resize成512，512， 由於網絡下采樣的比例是4，因此縮放為128， 128，如果此時實際的中心是[98.97667,2.3566666]，那么對應位置上的中心點的位置是98, 2,  由此可知，此時的偏移量應該是0.97667, 0.3566666,這里使用的就是L1 loss, 這個式子中  是我們預測出來的偏置，而  則是在訓練過程中提前計算出來的數值

目標預測長寬損失函數

為了減少回歸的難度，這里使用  作為預測值，使用L1損失函數，與之前的  損失一樣：

 

 

總的損失函數表達式

在論文中  ，然后  ，論文中所使用的backbone都有三個head layer，分別產生[1,80,128,128]、[1,2,128,128]、[1,2,128,128]，也就是每個坐標點產生  個數據，分別是類別以及、長寬、以及偏置。

 

推理階段：

在一階和二階檢測識別網絡中，由於存在大量的anchor，因此很有可能存在一個關鍵點，有多個大於閾值的檢測結果，但是這里我們一個特征點只對應一個檢測目標，因此我們使用3x3的maxPool，判斷當前的點是否比周圍其他8個點都大，從中挑選出大於閾值的前100個點，作為最后的檢測結果

最終的檢測結果 閾值大於0.3的結果

 

不添加閾值的，前100個結果

 

 熱力圖