PVAnet目标检测原理

参考：https://www.jianshu.com/p/362f2535adb0

参考：http://www.cnblogs.com/fariver/p/7449563.html

论文：Lightweight Deep Neural Networks for Real-time Object Detection
Github：PVANet
C++ Demo ：PVANet_CPP

许多目标检测问题中，算法的运行速度和精度同等重要。本文主要针对的就是算法的运算速度提升问题。作者提出了一个轻量级的网络，取得了state-of-the-art的效果。网络基于基本的设计原则：more layers with less channels. 此外，作者利用C.ReLU和Inception structure减少网络的冗余。作者提出的网络结构概要：

• 基于more layers with less channels的基本原则。

• 在网络初始几层采用C.ReLU，在后面几层采用Inception structure.

• 应用多尺度特征级联maximize the multi-scale nature of object detection tasks.

• 权重衰减策略采用plateau detection(一定迭代次数内loss不再下降，则将学习速率降低常数倍)

PVANet通过batch normalization, residual connections可以实现高效的训练。

1.1 创新点

创新点：基于Faster-RCNN使用更高效的基础网络

PVAnet是RCNN系列目标方向，基于Faster-RCNN进行改进，Faster-RCNN基础网络可以使用ZF、VGG、Resnet等，但精度与速度难以同时提高。PVAnet的含义应该为：Performance Vs Accuracy，意为加速模型性能，同时不丢失精度的含义。主要的工作再使用了高效的自己设计的基础网络。该网络使用了C.ReLU、Inception、HyperNet以及residual模块等技巧。整体网络结构如图1所示。

2.1 C.ReLU

C.ReLU的作者观察基础网络卷积层参数，发现低层卷积核成对出现(参数互为相反数)，因此，作者减小输出特征图个数为原始一半，另一半直接取相反数得到，再将两部分特征图连接，从而减少了卷积核数目。关于C.ReLU参考博客与论文。C.ReLU的模块结构如图2所示。

2.2 Inception模块

作者发现googlenet中Inception模块由于具有多种感受野的卷积核组合，因此能够适应多尺度目标的检测，作者使用基于Inception模块组合并且组合跳级路特征进行基础网络后部分特征的提取。

2.3 HyperNet

将conv3中原图1/8特征图、conv3中原图1/16特征图、conv3中原图1/32特征图连接来增加最终特征图中多尺度信息。其中，conv3中特征图被下采样，conv5中特征图被线性插值上采样。如图1所示。

3.1 实验过程

除了以上基础网络的区别：

(1) PVAnet使用的anchor与faster-rcnn不同，PVA在每个特征点上使用了25个anchor(5种尺度，5种形状)。

(2) 并且RPN网络不使用全部特征图就能达到很好的定位精度，RPN网络只用生成200个proposals；

(3) 使用VOC2007、VOC2012、COCO一起训练模型；

(4) 可以使用类似于Fast-RCNN的truncated SVD来加速全连接层的速度

(5) 使用投票机制增加训练精度，投票机制应该参考于R-FCN

原文出处