1
| 本文作者： 汪思穎 | 2017-10-15 22:50 | 專題：ICCV 2017 |
雷鋒網 AI科技評論按，目標檢測作為一個基礎的計算機視覺任務，在自動駕駛、視頻監控等領域擁有非常廣泛的應用前景。目前主流的目標檢測方法都嚴重依賴于在大規模數據集（如ImageNet）上預訓練初始模型。而在DSOD: Learning Deeply Supervised Object Detectors from Scratch這篇論文中，作者通過分析深度檢測模型從頭訓練存在的問題，提出了四個原則，他們根據這些原則構建了DSOD模型，該模型在三個標準數據集（PASCAL VOC 07, 12和COCO）上都達到了頂尖的性能。這篇論文已被ICCV2017收錄。
在近期雷鋒網 AI研習社的線上分享會上，該論文的第一作者——復旦大學Ph.D沈志強為我們帶來了對DSOD的詳細解讀，與此同時也介紹了他在CVPR 2017和ICCV 2017上的一些其它研究工作。
沈志強，復旦大學Ph.D，UIUC ECE系訪問學者，導師Thomas S. Huang教授。研究興趣包括：計算機視覺（目標檢測、視頻描述、細粒度分類等），深度學習，機器學習等。他曾在因特爾中國研究院（Intel Labs China）進行為期一年的實習研究，期間合作者包括研究院Jianguo Li博士和在讀博士生Zhuang Liu等。
分享內容：
很高興與大家分享我們的最新的工作DSOD，這篇論文已經被ICCV 2017 所收錄。
眾所周知，計算機視覺有幾個比較重要的分類，包括目標分類、定位、目標檢測、實例分割，前兩個分類是針對單個目標，后兩個分類是針對多個目標，DSOD主要是針對目標檢測。
說到目標檢測，大家可能會想到如下幾個比較有代表性的方法：R-CNN、Faster-RCNN、YOLO、SSD。下圖是關于他們的一些介紹。
ImageNet預訓練模型的限制：一是模型結構是固定的，你不可能改變它的結構，二是會有learning bias，三是會出現domain不匹配的情況。我們的思路是從頭訓練檢測器，但是我們用R-CNN和Faster-RCNN都沒能得到較好的表現。
簡單回顧下Rol pooling，如下圖所示：
它其實就是一個max pooling：
可以在下圖中看到forward和backward情況，把Rol pooling去掉這個框架就類似于YOLO和SSD。
幾個原則：一是Proposal-free。去掉Rol pooling，雖然對模型的表現影響不大，但這一點非常重要。
二是Deep Supervision。采用Dense Block，能避免梯度消失的情況。
三是Dense Prediction Structure。大大減少了模型的參數量，特征包含更多信息。
四是Stem Block。采用stem結構，好處是能減少輸入圖片信息的丟失。
下面是DSOD整體結構：
這是我們做的一些對比實驗，可以看到增加這些結構之后性能提升的百分點：
下面是在PASCAL VOC2007上的實驗結果，可以看到Faster-RCNN和R-CNN速度很慢，YOLO和SSD的速度非常快，但是mAP不高。最下面是我們沒有用預訓練模型做的一些對比實驗，可以看到Faster-RCNN和R-CNN均以失敗告終，最后的一行的實驗加入COCO后mAP值提升，說明DSOD模型本身的泛化能力非常強。
下面是在PASCAL VOC2012上的實驗結果，可以看到DSOD有不錯的mAP值。
接下來是在COCO上面的一些結果，對比起來DSOD的也有很好的性能。
最后是一些實際的檢測結果，可以看到bounding box對目標的檢測非常貼合。
論文地址： https://arxiv.org/abs/1708.01241
代碼：https://github.com/szq0214/DSOD
模型可視化示例：http://ethereon.github.io/netscope/#/gist/b17d01f3131e2a60f9057b5d3eb9e04d
最后簡單介紹下我們在CVPR 2017的相關工作Dense Video captioning，主要是做視頻描述。在視頻當中包含很多內容，而這些內容并不一致，因此視頻描述相對來說會比較困難。下圖是一些示例。
網絡結構如下圖所示。具體細節大家可以參見我們的論文Weakly Supervised Dense Video Captioning，論文地址：https://arxiv.org/abs/1704.01502
接下來是我們在ICCV 2017上的工作，主要是做網絡壓縮。我們用了一個衡量channel是否重要的值來訓練模型，然后剔除掉不太重要的特征層。論文代碼我們也放在github上了。具體細節大家可以參見論文Learning Efficient Convolutional Networks through Network Slimming，論文地址：https://arxiv.org/abs/1708.06519
本次分享的視頻如下：
雷鋒網 AI科技評論整理編輯。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
