Deformable Convolutional可变形卷积回顾

2024-06-21 09:32

本文主要是介绍Deformable Convolutional可变形卷积回顾,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

点击上方“AI公园”,关注公众号,选择加“星标“或“置顶”


作者:Sik-Ho Tsang

编译:ronghuaiyang

导读

使用可变形卷积,可以提升Faster R-CNN和R-FCN在物体检测和分割上的性能。只要增加很少的计算量,就可以得到性能的提升,非常好的文章,值的一看。


640?wx_fmt=png

(a) Conventional Convolution, (b) Deformable Convolution, (c) Special Case of Deformable Convolution with Scaling, (d) Special Case of Deformable Convolution with Rotation

传统/常规卷积基于定义的滤波器大小,在输入图像或一组输入特征图的预定义矩形网格上操作。该网格的大小可以是3×3和5×5等。然而,我们想要检测和分类的对象可能会在图像中变形或被遮挡。

在DCN中,网格是可变形的,因为每个网格点都可以通过一个可学习的偏移量移动卷积作用于这些移动的网格点上,因此称为可变形卷积,类似于可变形RoI池化的情况。通过使用这两个新模块,DCN提高了DeepLabFaster R-CNNR-FCN、和FPN等的准确率。

最后,MSRA使用DCN+FPN+Aligned Xception在COCO Detection Challenge中获得第二名,Segmentation Challenge中获得第三名。发表于2017 ICCV,引用次数超过200次

1. 可变形卷积

640?wx_fmt=png

可变形卷积

  • 规则的卷积是在一个规则的网格R上操作的。

  • R进行可变形卷积运算,但每个点都增加一个可学习的偏移∆pn

  • 卷积生成2N个特征图,对应N个2D个偏移量∆pn(每个偏移量对应有x-方向和y-方向)。

640?wx_fmt=png

标准卷积(左), 可变形卷积(右)
  • 如上所示,可变形卷积将根据输入图像或特征图在不同位置为卷积选择值。

  • 与Atrous convolution相比,Atrous convolution在卷积过程中具有较大但固定的膨胀值。(Atrous convolution也称为dilated convolution或hole算法。

  • 与Spatial Transformer Network (STN)比较:STN对输入图像或特征图进行变换,而可变形卷积可以被视为一个非常轻量级的STN。

2. Deformable RoI Pooling

640?wx_fmt=png

Deformable RoI Pooling

  • 常规RoI Pooling将任意大小的输入矩形区域转换为固定大小的特征。

  • 在Deformable RoI Pooling中,首先,在top path中,我们仍然需要常规的RoI Pooling来生成池化的feature map。

  • 然后,使用一个全连接(fc)层生成归一化的偏移∆p̂ij,然后转化为偏移∆pij(方程在右下角)其中γ= 0.1。

  • 偏移量归一化是必要的,使偏移量的学习不受RoI大小的影响。

  • 最后,在底部路径,我们执行deformable RoI pooling。输出特征图是基于具有增强偏移量的区域进行池化的

3. Deformable Positive-Sensitive (PS) RoI Pooling

640?wx_fmt=png

Deformable Positive-Sensitive (PS) RoI Pooling (在这里颜色很重要)

对于原始的R-FCN中的Positive-Sensitive (PS) RoI pooling,所有的输入特征图首先转换为每个类别k²个得分图(假设背景类总共C + 1个类别)(最好是读一下R-FCN,理解一下最初的PS RoI pooling)

  • 在deformable PS RoI pooling中,首先,在顶部路径上,和原始的相似, 卷积用于生成2k²(C + 1)得分图。

  • 这意味着,对于每个类别,有k²个特性图,这些特征图代表了我们要学习的物体的偏移量{上左(TL),上中(TC), . .,右下(BR)}。

  • 偏移量(顶部路径)的原始的PS RoI Pooling是使用图中相同的区域和相同的颜色来池化的。我们在这里得到偏移量。

  • 最后,在底部路径中,我们执行deformable PS RoI pooling来池化偏移量增强的特征图。

4. 可变形卷积用于ResNet-101 & Aligned-Inception-ResNet

4.1. Aligned-Inception-ResNet

640?wx_fmt=png

Aligned-Inception-ResNet Architecture (Left), Inception Residual Block (IRB) (Right)
  • 在原始的Inception-ResNet中,存在对齐问题,对于靠近输出的特征图上的单元格,其在图像上的投影空间位置与其感受野中心位置不一致。

  • Aligned-Inception-ResNet中,我们可以看到,在Inception Residual Block (IRB)中,所有用于分解的非对称卷积(例如:1×7,7×1,1×3,3×1 conv)都被删除了。如上所示,只使用了一种IRB类型。同样,IRB的数量也不同于incep-resnet -v1incep-resnet -v2

640?wx_fmt=png

Error Rates on ImageNet-1K validation.
  • Aligned-Inception-resnet的错误率低于ResNet-101。

  • 虽然Aligned-Inception-resnet的错误率高于Inception-resnet -v2,Aligned-Inception-resnet解决了对齐问题。

4.2. 修改ResNet-101 & Aligned-Inception-ResNet
  • 现在我们得到了两个主要的特征提取方法:ResNet-101和Aligned-Inception-resnet,这最初用于图像分类任务。

  • 但输出特征图太小,不利于目标检测和分割任务。

  • Atrous convolution(或dilated convolution)在最后一个block (conv5)的开头进行reduce, stride由2变为1。

  • 因此,最后一个卷积块的有效步长由32像素降低到16像素,提高了feature map的分辨率。

4.3. 不同的物体检测器
  • 特征提取后,使用不同的物体检测器或分割方案,如DeepLab、class-aware RPN(或被简化的SSD)、Faster R-CNNR-FCN

5. 对比研究和结果

5.1. 使用可变形卷积在不同数量的最后几层上

640?wx_fmt=png

ResNet-101中最后1、2、3和6个卷积层(3×3滤波器)中使用可变形卷积的结果

3和6个可变形卷积也很好。最后,作者选择3,因为可以很好地权衡用于不同的任务。

我们还可以看到DCN改进了DeepLab,class-aware RPN(或认为是简化的SSD),fast - R-CNN和R-FCN

5.2. 可变形卷积偏移距离分析

640?wx_fmt=png

最后3个卷积层的可变形卷积分析

640?wx_fmt=png

示例:三个级别的3×3可变形过滤器,用于背景上的三个激活单元(绿色点)(左侧)、一个小物体(中部)和一个大物体(右侧)
  • 上述分析亦说明了DCN的有效性。首先,根据ground truth bound box标注和滤波器中心的位置,将可变形卷积滤波器分为四类:small、medium、large和background。

  • 然后测量膨胀值(偏移距离)的均值和标准差。

  • 发现可变形滤波器的感受野大小与目标大小相关,说明可以有效地从图像内容中学习变形。

  • 背景区域的滤波器大小介于中、大物体之间,说明识别背景区域需要较大的感受野。

640?wx_fmt=png

在R-FCN和3×3个bins(红色)中,输入RoI(黄色)的偏移部分
  • 与可变形RoI pooling类似,现在部分被偏移以覆盖非刚性物体。

5.3. 在PASCAL VOC上和Atrous卷积对比

640?wx_fmt=png

  • 只使用可变形卷积:DeepLab,class-aware RPN, R-FCN使用可变形卷积都得到了改进,已经优于使用atrous convolution实现的DeepLab,RPN和R-FCN。与atrous convolution相比,Faster R-CNN使用可变形卷积更具有竞争优势。

  • 只使用Deformable RoI Pooling:在Faster R-CNN和R-FCN中只使用Deformable RoI Pooling。对于Faster-RCNN,两者差不多,对于R-FCN,Deformable RoI Pooling更好。

  • 使用可变形卷积和Deformable RoI Pooling:对于Faster R-CNN和R-FCN,使用可变卷积核可变ROI池化效果是最好的。

5.4. PASCAL VOC上的模型复杂度和运行时间

640?wx_fmt=png

模型复杂度和运行时间

  • 可变形卷积只在模型参数和计算上增加很小的开销

  • 除了增加模型参数之外,显著的性能改进来自于模型几何变换的能力。

640?wx_fmt=png— END—

英文原文:https://towardsdatascience.com/review-dcn-deformable-convolutional-networks-2nd-runner-up-in-2017-coco-detection-object-14e488efce44

640?wx_fmt=jpeg

请长按或扫描二维码关注本公众号

喜欢的话,请给我个好看吧640?wx_fmt=gif

这篇关于Deformable Convolutional可变形卷积回顾的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1080842

相关文章

csu(背包的变形题)

题目链接 这是一道背包的变形题目。好题呀 题意:给n个怪物,m个人,每个人的魔法消耗和魔法伤害不同,求打死所有怪物所需的魔法 #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>//#include<u>#include<map

hdu3389(阶梯博弈变形)

题意:有n个盒子,编号1----n,每个盒子内有一些小球(可以为空),选择一个盒子A,将A中的若干个球移到B中,满足条件B  < A;(A+B)%2=1;(A+B)%3=0 这是阶梯博弈的变形。 先介绍下阶梯博弈: 在一个阶梯有若干层,每层上放着一些小球,两名选手轮流选择一层上的若干(不能为0)小球从上往下移动,最后一次移动的胜出(最终状态小球都在地面上) 如上图所示,小球数目依次为

Java基础回顾系列-第七天-高级编程之IO

Java基础回顾系列-第七天-高级编程之IO 文件操作字节流与字符流OutputStream字节输出流FileOutputStream InputStream字节输入流FileInputStream Writer字符输出流FileWriter Reader字符输入流字节流与字符流的区别转换流InputStreamReaderOutputStreamWriter 文件复制 字符编码内存操作流(

Java基础回顾系列-第五天-高级编程之API类库

Java基础回顾系列-第五天-高级编程之API类库 Java基础类库StringBufferStringBuilderStringCharSequence接口AutoCloseable接口RuntimeSystemCleaner对象克隆 数字操作类Math数学计算类Random随机数生成类BigInteger/BigDecimal大数字操作类 日期操作类DateSimpleDateForma

Java基础回顾系列-第三天-Lambda表达式

Java基础回顾系列-第三天-Lambda表达式 Lambda表达式方法引用引用静态方法引用实例化对象的方法引用特定类型的方法引用构造方法 内建函数式接口Function基础接口DoubleToIntFunction 类型转换接口Consumer消费型函数式接口Supplier供给型函数式接口Predicate断言型函数式接口 Stream API 该篇博文需重点了解:内建函数式

Java基础回顾系列-第二天-面向对象编程

面向对象编程 Java类核心开发结构面向对象封装继承多态 抽象类abstract接口interface抽象类与接口的区别深入分析类与对象内存分析 继承extends重写(Override)与重载(Overload)重写(Override)重载(Overload)重写与重载之间的区别总结 this关键字static关键字static变量static方法static代码块 代码块String类特

Java基础回顾系列-第六天-Java集合

Java基础回顾系列-第六天-Java集合 集合概述数组的弊端集合框架的优点Java集合关系图集合框架体系图java.util.Collection接口 List集合java.util.List接口java.util.ArrayListjava.util.LinkedListjava.util.Vector Set集合java.util.Set接口java.util.HashSetjava

Java基础回顾系列-第九天-数据库编程

Java基础回顾系列-第九天-数据库编程 数据库简介工具包java.sql API 内容与数据库建立连接执行SQL语句数据库检索和更新查询结果SQL类型对应Java类型映射元数据异常 API方法DriverManagerConnectionStatementPreparedStatementCallableStatementResultSetjava.sql.Date批处理、存储过程、事务

Java基础回顾系列-第一天-基本语法

基本语法 Java基础回顾系列-第一天-基本语法基础常识人机交互方式常用的DOS命令什么是计算机语言(编程语言) Java语言简介Java程序运行机制Java虚拟机(Java Virtual Machine)垃圾收集机制(Garbage Collection) Java语言的特点面向对象健壮性跨平台性 编写第一个Java程序什么是JDK, JRE下载及安装 JDK配置环境变量 pathHe

Vue2电商项目(二) Home模块的开发;(还需要补充js节流和防抖的回顾链接)

文章目录 一、Home模块拆分1. 三级联动组件TypeNav2. 其余组件 二、发送请求的准备工作1. axios的二次封装2. 统一管理接口API----跨域3. nprogress进度条 三、 vuex模块开发四、TypeNav三级联动组件开发1. 动态展示三级联动数据2. 三级联动 动态背景(1)、方式一:CSS样式(2)、方式二:JS 3. 控制二三级数据隐藏与显示--绑定styl