欢迎大家来到IT世界,在知识的湖畔探索吧!

导读

以Tiny YOLOV3的速度达到YOLOV3的效果。

1. 介绍

本文提出一种专门用于检测小目标的框架，框架结构如下图：

我们探索了可以提高小目标检测能力的3个方面：Dilated模块，特征融合以及passthrough模块。

Dilated Module：上下文信息对于检测小目标是很重要的，一种方法是重复的上采样来恢复丢失的信息，同时下采样来扩大感受野。但是，这个过程中信息丢失是难免的，受dilated卷积的启发，我们提出了Dilated Module，在不损失分辨率的情况下，提升感受野。

特征融合：不同层的特征图包含不同的特征，浅层特征包含细节信息，深层特征包含语义信息，两者对于检测小目标都很重要，所以，对于不同的Dilated Module出来的特征图，我们进行拼接，全部用来检测小目标。

Passthrough Module：位置信息对于小目标也是至关重要的，我们提出了Passthrough Module从结合浅层特征图和深层特征图一起得到准确的位置信息。

本文的主要贡献：

（1）提出了Dilated Module来扩大感受野，提出了Passthrough Module来利用上下文信息和小目标的位置信息。考虑到小目标的特点，用特征融合来同时获取细节特征和语义信息，为了模型加速，使用了1×1卷积来降维。

（2）基于VEDAI数据集和DOTA 数据集，我们制作了一个small vehicle数据集，同时，分析了每个数据集的分布。

（3）我们在VEDAI数据集和DOTA 数据集上进行了训练和评估，结果表明，我们的网络非常的简单，快速和高效。

2. 方法

2.1 DILATED模块

使用Dilated卷积可以在不降低分辨率的情况下，指数的增加感受野，如图2所示：

我们使用Dilated卷积作为基本单元，构建Dilated Module，为了重复使用之前层的特征，我们把之前层的特征通过拼接合并起来，然后使用1×1的卷积来降维，模块结构如下：

2.2 PASSTHROUGH模块

为了可以利用到之前的层的信息，我们使用了stride为2的passthrough层，这个passthrough层将特征图从2N×2N×C转换为N×N×4C，过程如图4，左边是passthrough层的输入，右边是passthrough层的输出：

我们使用passthrough层作为基本单元，构建了passthrough module，具体结构见图5，LayerA表示之前的层，LayerB表示当前的更深一点的层：

2.3 特征融合

本文使用拼接的方式来融合浅层特征和深层特征，框架里有2种特征融合的方法，一种是在不同的Dilated Module之间进行特征融合，此时，特征图的分辨率是相同的，直接拼接就可以。见图6。还有一种是类似passthrough module，中间有降采样的过程，特征图的分辨率已经改变了，如果要拼接的话，就需要进行通过passthrough层或者上采样层。这里选用了passthrough层来进行融合。

2.4 网络结构

我们这个网络的目标是检测小目标，太多的下采样层对于检测小目标并不好，但是，下采样层的个数又直接影响到感受野的大小。所以，这里，我们使用了2个dilated模块（Dilated module A 和 Dilated module B ），特征图下采样2次，然后和使用passthrough module下采样3次的特征图进行融合，为了加速，每次拼接之后，使用1×1卷积进行降维。最后一层进行结果的预测，尺寸为，这里，为每个网格点预测的框的数量，默认是3。

感受野的计算公式：

如表3所示，使用了2个Dilated卷积的网络，只下采样3次，感受野和下采样4次的网络一样。

3. 实验

我们分析了VEDAI数据集和DOTA 数据集的数据分布：

在VEDAI数据集上，设计了2种实验，实验1是将‘car’, ‘pick-up’和 ‘van’ 合并成了1个类别，实验2是使用了原来的9个类别，结果如下，结果明显好于YOLOv2和Tiny YOLOv3，但是低于YOLOv3：

在DOTA数据集上的比较：

不同网络的速度的比较：

可以看到，模型速度和Tiny YOLOv3相当，准确率大大超过Tiny YOLOv3，仅仅比YOLOv3略低。