[论文解读]CVPR 2018|RefineDet:Single-Shot Refinement Neural Network for Object Detection 结合单双阶段的优点做目标检测

论文题目：Single-Shot Refinement Neural Network for Object Detection
论文作者：Shifeng Zhang , Longyin Wen , Xiao Bian, Zhen Lei , Stan Z. Li

目前，目标检测有两个文流分支：one stage and two stage。本文结合了这两个分支的优点，并到一起形成RefineDet。像是SSD、FPN、RPN的结合产物。
这两个分支的不同之处就在于对anchor的处理方式：two stage是先对anchor进行提取并精修，再送入CNN中进行分类和回归。不会像one stage那样直接对所有的anchor进行分类和回归，这样造成的正负样本不平衡问题，但在速度上One stage肯定是更胜一筹。

论文中心思想：作者采用了two stage的思想先用一个ARM网络结构对ancor 进行处理，ARM就像RPN网络，其作用如下：1）用于修正anchor，去掉多余的负样本，减少负本数量；2）对anchor的进行修正，使ODM网络更容易分类和回归。ODM网络是由ARM网络通过TCB网络处理得到。TCP就像FPN中的上采样那样，将高层的语义信息与低层的信息相融合。TCB网络如下图，直接对上采样的网络进行相加等到。
这样在各个feature map 上，每个anchor产生c个类别以及4个坐标。与SSD不一样的是，SSD使用的是default box去预测，而refineDet使用的是ARM网络产生的refined anchor去预测。这使RefineDet具备的one&tow stage的优点。

ARM网络中的负样本处理：先用IOU来判断正负样本的label，IOU<0.5就是负样本，从而得到很多负样本，再使用ARM中的分类的confidence进行过滤，如果ARM判断其negative的confidence大于设定的阈值（作者的经验值是0.99），就不要这个anchor。最后ARM和ODM都采用SSD那样的hard negative mining，通过loss的大小排序，取最大的部分，使正负样本比例达到1：3。

Loss Function:

如图，分别对ARM和ODM部分作分类和回归的损失函数。$l^∗_i$​$g^∗_i$​表示ground truth的类别和坐标，$p_i$​和$x_i$表示ARM中的预测置信度和坐标。$c_i$和$t_i$表示ODM中的预测的类别和bounding box坐标。损失函数采用的方法：ARM中的$L_b$表示交叉熵用于二分类，ODM中的$L_m$​表示softmax loss，$L_r$​表示smooth L1.

实现结果：
不多说直接上图：

[完结]