點(diǎn)擊上方“AI算法與圖像處理”，選擇加"星標(biāo)"或“置頂”
重磅干貨，第一時(shí)間送達(dá)
來源：機(jī)器之心
CVPR 2020 會(huì)議上，有哪些目標(biāo)檢測論文值得關(guān)注？
目標(biāo)檢測是計(jì)算機(jī)視覺中的經(jīng)典問題之一。憑借大量可用數(shù)據(jù)、更快的 GPU 和更好的算法，現(xiàn)在我們可以輕松訓(xùn)練計(jì)算機(jī)以高精度檢測出圖像中的多個(gè)對象。前不久結(jié)束的 CVPR 2020 會(huì)議在推動(dòng)目標(biāo)檢測領(lǐng)域發(fā)展方面做出了一些貢獻(xiàn)，本文就為大家推薦其中 6 篇有價(jià)值的目標(biāo)檢測論文。
A Hierarchical Graph Network for 3D Object Detection on Point Clouds
HVNet: Hybrid Voxel Network for LiDAR Based 3D Object Detection
Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud
Camouflaged Object Detection
Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector
D2Det: Towards High-Quality Object Detection and Instance Segmentation
1. A Hierarchical Graph Network for 3D Object Detection on Point Clouds
論文地址：https://openaccess.thecvf.com/content_CVPR_2020/papers/Chen_A_Hierarchical_Graph_Network_for_3D_Object_Detection_on_Point_CVPR_2020_paper.pdf?這項(xiàng)研究提出了一種基于圖卷積 (GConv) 的新型層次圖網(wǎng)絡(luò) (HGNet)，它用于三維目標(biāo)檢測任務(wù)，可直接處理原始點(diǎn)云進(jìn)而預(yù)測三維邊界框。HGNet 能夠有效捕獲點(diǎn)之間的關(guān)系，并利用多級語義進(jìn)行目標(biāo)檢測。具體而言，該研究提出了新的 shape-attentive GConv (SA-GConv)，它能通過建模點(diǎn)的相對幾何位置來描述物體的形狀，進(jìn)而捕獲局部形狀特征。基于 SA-GConv 的 U 形網(wǎng)絡(luò)捕獲多層次特征，通過改進(jìn)的投票模塊（voting module）將這些特征映射到相同的特征空間中，進(jìn)而生成候選框（proposal）。該研究提出的模型主要以 VoteNet 作為 backbone，并基于它提出了一系列改進(jìn)。由下圖可以看出：將 VoteNet 中的 PointNet++ 換成特征捕捉能力更強(qiáng)的 GCN；
為 up-sample 的多層中的每一層都接上 voting 模塊，整合多個(gè)尺度的特征；
在 proposal 之間也使用 GCN 來增強(qiáng)特征的學(xué)習(xí)能力。
本文提出了 Shape-attentive Graph Convolutions（SA-GConv），并且將這個(gè)卷積同時(shí)用在了 down-sampling pathway 和 up-sampling pathway 中。本文提出了一個(gè) Proposal Reasoning Module，在 proposal 之間學(xué)習(xí)其特征之間的交互。
不同模型在 SUN RGB-D V1 數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果如下所示：
2. HVNet: Hybrid Voxel Network for LiDAR Based 3D Object Detection
論文地址：https://openaccess.thecvf.com/content_CVPR_2020/papers/Ye_HVNet_Hybrid_Voxel_Network_for_LiDAR_Based_3D_Object_Detection_CVPR_2020_paper.pdf這篇論文提出了一種基于點(diǎn)云的自動(dòng)駕駛?cè)S目標(biāo)檢測 one-stage 網(wǎng)絡(luò)——混合體素網(wǎng)絡(luò) (Hybrid Voxel Network, HVNet)，通過在點(diǎn)級別上混合不同尺度的體素特征編碼器 (VFE) 得到更好的體素特征編碼方法，從而在速度和精度上得到提升。
HVNet 采用的體素特征編碼（VFE）方法包括以下三個(gè)步驟：體素化：將點(diǎn)云指定給二維體素網(wǎng)格；
體素特征提取：計(jì)算網(wǎng)格相關(guān)的點(diǎn)級特征，然后將其輸入到 PointNet 風(fēng)格特征編碼器；
投影：將點(diǎn)級特征聚合為體素級特征，并投影到其原始網(wǎng)格。這就形成了一個(gè)偽圖像特征圖。
該研究提出的 HVNet 架構(gòu)包括：HVFE 混合體素特征提取模塊；2D 卷積模塊；以及檢測模塊，用來輸出最后的預(yù)測結(jié)果。
HVNet 整體架構(gòu)及 HVFE 架構(gòu)參見下圖：
不同模型在 KITTI 數(shù)據(jù)集上獲得的結(jié)果如下表所示：
3. Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud
基于點(diǎn)云的 3D 目標(biāo)檢測具有非常重要的應(yīng)用價(jià)值，尤其是在自動(dòng)駕駛領(lǐng)域。使用激光雷達(dá)傳感器獲得的 3D 點(diǎn)云數(shù)據(jù)描述了周圍環(huán)境，使得 3D 目標(biāo)檢測能夠比單純使用 RBG 攝像頭提供更多的目標(biāo)信息（不僅有位置信息，還有距離信息）。該研究指出，以往使用 CNN 的方法處理點(diǎn)云數(shù)據(jù)時(shí)往往需要在空間劃分 Grids，會(huì)出現(xiàn)大量的空白矩陣元素，并不適合稀疏點(diǎn)云；近來出現(xiàn)的類似 PointNet 的方法對點(diǎn)云數(shù)據(jù)進(jìn)行分組和采樣，取得了不錯(cuò)的結(jié)果，但計(jì)算成本太大。于是該研究提出一種新型 GNN 網(wǎng)絡(luò)——Point-GNN。Point-GNN 方法主要分為三個(gè)階段，如下圖所示：
以下是不同模型在 KITTI 數(shù)據(jù)集上獲得的結(jié)果：
4. Camouflaged Object Detection
這篇論文解決的問題是：如何檢測嵌入在周圍環(huán)境中的物體，即偽裝目標(biāo)檢測（camouflaged object detection，COD）。?此外，該研究還創(chuàng)建了一個(gè)名為 COD10K 的新型數(shù)據(jù)集。它包含 10,000 張圖像，涵蓋許多自然場景中的偽裝物體。該數(shù)據(jù)集具有 78 個(gè)類別，每張圖像均具備類別標(biāo)簽、邊界框、實(shí)例級標(biāo)簽和摳圖級（matting-level）標(biāo)簽。下圖展示了 COD10K 數(shù)據(jù)集中的樣本示例及其難點(diǎn)。
為了解決偽裝目標(biāo)檢測問題，該研究提出了一種叫做搜索識別網(wǎng)絡(luò)（Search Identification Network，SINet）的 COD 框架。該網(wǎng)絡(luò)有兩個(gè)主要模塊：搜索模塊（SM），用于搜索偽裝的物體；
識別模塊（IM），用于檢測該物體。
不同模型在多個(gè)數(shù)據(jù)集上的結(jié)果參見下表：
5.?Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector
論文地址：https://openaccess.thecvf.com/content_CVPR_2020/papers/Fan_Few-Shot_Object_Detection_With_Attention-RPN_and_Multi-Relation_Detector_CVPR_2020_paper.pdf傳統(tǒng)的目標(biāo)檢測算法需要大量數(shù)據(jù)標(biāo)注才能訓(xùn)練模型，而數(shù)據(jù)標(biāo)注不但耗費(fèi)人力，可能還會(huì)因?yàn)闃?biāo)注質(zhì)量而影響訓(xùn)練效果。這篇論文提出了一種「小樣本」目標(biāo)檢測網(wǎng)絡(luò)，旨在通過少量標(biāo)注數(shù)據(jù)使模型有效檢測到從未見過的目標(biāo)。該方法的核心包括三點(diǎn)：Attention-RPN、Multi-Relation Detector 和 Contrastive Training strategy，利用小樣本 support set 和 query set 的相似性來檢測新的目標(biāo)，同時(shí)抑制 background 中的錯(cuò)誤檢測。該團(tuán)隊(duì)還貢獻(xiàn)了一個(gè)新的數(shù)據(jù)集，該數(shù)據(jù)集包含 1000 個(gè)類別，且具備高質(zhì)量的標(biāo)注。該研究提出一個(gè)新型注意力網(wǎng)絡(luò)，能在 RPN 模塊和檢測器上學(xué)習(xí) support set 和 query set 之間的匹配關(guān)系；下圖中的 weight shared network 有多個(gè)分支，可以分為兩類，一類用于 query set，另一類用于 support set（support set 的分支可以有多個(gè)，用來輸入不同的 support 圖像，圖中只畫了一個(gè)），處理 query set 的分支是 Faster RCNN 網(wǎng)絡(luò)。
該研究提出的網(wǎng)絡(luò)架構(gòu)。
作者還提出用 Attention RPN 來過濾掉不屬于 support set 的目標(biāo)。
以下是不同模型在 ImageNet 數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果：
以下是基于一些數(shù)據(jù)集得到的觀察結(jié)果：
6.?D2Det: Towards High-Quality Object Detection and Instance Segmentation
論文地址：?https://openaccess.thecvf.com/content_CVPR_2020/papers/Cao_D2Det_Towards_High_Quality_Object_Detection_and_Instance_Segmentation_CVPR_2020_paper.pdf?
項(xiàng)目地址：https://github.com/JialeCao001/D2Det
這篇論文提出了一種提高定位精度和分類準(zhǔn)確率的方法 D2Det，以提升目標(biāo)檢測的效果。針對這兩項(xiàng)挑戰(zhàn)，該研究分別提出了 dense local regression（DLR）和 discriminative RoI pooling（DRP）兩個(gè)模塊。其中 DLR 與 anchor-free 方法 FCOS 的 detect loss 類似，DRP 則是利用了 deformable convolution 的思想，分別從第一階段和第二階段提取準(zhǔn)確的目標(biāo)特征區(qū)域，進(jìn)而獲得相應(yīng)的性能提升。具體方法流程如下圖所示：
在這兩個(gè)階段中，第一階段采用區(qū)域建議網(wǎng)絡(luò)（RPN），而第二階段采用分類和回歸的方法，分類方法基于池化，局部回歸則用于物體的定位。
以下是不同模型在 MS COCO 數(shù)據(jù)集上的結(jié)果：
計(jì)算機(jī)視覺頂會(huì) CVPR 2020 提供了很多目標(biāo)檢測等領(lǐng)域的研究論文，如果你想獲取更多論文信息，請點(diǎn)擊以下網(wǎng)址：https://openaccess.thecvf.com/CVPR2020。最后的最后求一波分享！
YOLOv4 trick相關(guān)論文已經(jīng)下載并放在公眾號后臺
關(guān)注“AI算法與圖像處理”，回復(fù) “200714”獲取
請注明：地區(qū)+學(xué)校/企業(yè)+研究方向+昵稱
