广义焦点损失：面向密集目标检测的合格且分布化边界框学习
计算机视觉与模式识别
2020-06-09 v1
摘要
单阶段检测器基本上将目标检测表述为密集分类与定位。分类通常由Focal Loss优化，而边界框位置通常在Dirac delta分布下学习。单阶段检测器近期的一个趋势是引入独立的预测分支来估计定位质量，其中预测的质量有助于分类以提升检测性能。本文深入探究上述三个基本要素的表示：质量估计、分类与定位。现有做法中存在两个问题，包括（1）质量估计与分类在训练与推理之间的不一致使用，以及（2）在复杂场景存在模糊性与不确定性时用于定位的Dirac delta分布缺乏灵活性。为解决这些问题，我们为这些要素设计了新的表示。具体而言，我们将质量估计合并到类别预测向量中，形成定位质量与分类的联合表示，并使用一个向量来表示边界框位置的任意分布。改进后的表示消除了不一致风险并准确刻画了真实数据中的灵活分布，但包含连续标签，这超出了Focal Loss的范围。我们进而提出广义焦点损失（Generalized Focal Loss, GFL），将Focal Loss从其离散形式推广到连续版本以实现成功优化。在COCO test-dev上，GFL使用ResNet-101骨干网络达到45.0% AP，在相同骨干网络与训练设置下，以更高或可比的推理速度超越了SOTA的SAPD（43.5%）与ATSS（43.6%）。值得注意的是，我们的最佳模型在单张2080Ti GPU上以10 FPS可实现单模型单尺度48.2%的AP。代码与模型见https://github.com/implus/GFocal。
引用
@article{arxiv.2006.04388,
title = {Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection},
author = {Xiang Li and Wenhai Wang and Lijun Wu and Shuo Chen and Xiaolin Hu and Jun Li and Jinhui Tang and Jian Yang},
journal= {arXiv preprint arXiv:2006.04388},
year = {2020}
}
备注
14 pages, 14 figures