曠視論文三連發，揭秘COCO +Places 2017比賽獲獎模型

本文作者：楊曉凡

2017-11-26 19:25

導語：圍觀孫劍團隊的學術風采

雷鋒網 AI 科技評論按：今年 ICCV 2017會議期間，COCO +Places 2017挑戰賽公布了獲獎榜單。在COCO Challenge 和 Places Challenge 兩個板塊的七項比賽中，曠視科技（Face++）拿下了 COCO Detection/Segmentation Challenge（檢測/分割）、COCO Keypoint Challenge（人體關鍵點檢測）、Places Instance Segmentation（實體分割）三個項目的冠軍。

有趣的是，Places Challenge 中允許提交五次成績，曠視在實體分割項目上第一次提交的成績就以0.27717 Mean AP遠遠甩開了其它隊伍中的最好成績0.24150，最終的第三次提交更繼續提升到了0.29772，穩坐第一名。

近日，曠視科技就在arXiv上連發三篇論文，內容包括了自己在COCO +Places 2017挑戰賽中的獲獎模型。雷鋒網 AI 科技評論把這三篇論文簡單介紹如下，感興趣的讀者歡迎查看原論文仔細研究。

Light-Head R-CNN: In Defense of Two-Stage Object Detector

輕量頭部 R-CNN：守護兩階段物體檢測器的尊嚴
論文地址：https://arxiv.org/abs/1711.07264
論文簡介：這篇論文中，作者們首先探究了典型的兩階段物體檢測方法沒有YOLO和SSD這樣的單階段檢測方法運行速度快的原因。他們發現，Faster R-CNN 和 R-FCN 在候選區域產生前或后都會進行高強度的計算。Faster R-CNN 在候選區域識別后有兩個全連接層，而 R-FCN 會產生一張很大的分數表。這些網絡由于有這樣的高計算開銷的設計，運行速度就較慢。即便作者們嘗試大幅度縮減基準模型的大小，計算開銷也無法以同樣幅度減少。
作者們在論文中提出了一個新的兩階段檢測器，Light-Head R-CNN，輕量頭部 R-CNN，意在改善當前的兩階段方法中計算開銷大的缺點。在他們的設計中，通過使用小規模的feature map和小規模的R-CNN子網絡（池化層和單個全連接層），網絡的頭部被做得盡可能輕量化。作者們基于ResNet-101構造了一個輕量頭部的R-CNN網絡，在COCO數據集上超越當前最好水準的同時還保持了很高的時間效率。更重要的是，只要把骨干結構換成一個較小的網絡（比如 Xception），作者們的 Light-Head R-CNN 就可以在COCO數據集上以102FPS的運行速度得到30.7mmAP的成績，在速度和準確率兩個方面都明顯好于YOLO和SSD這樣的快速單階段檢測方法。相關代碼將會公開發布。

曠視論文三連發，揭秘COCO +Places 2017比賽獲獎模型

檢測精度與推理時間對比圖

Cascaded Pyramid Network for Multi-Person Pose Estimation

用于多人姿態估計的級聯金字塔網絡CPN
COCO Keypoint Challenge 第一名
論文地址：https://arxiv.org/abs/1711.07319
論文簡介：多人姿態估計這個課題的研究成果近期有了很大的提升，尤其是在卷積神經網絡快速發展的幫助下。然而，還是有許多情境會造成檢測困難，比如關鍵點重疊、關鍵點不可見以及背景復雜的情況都還解決得不理想。在這篇論文中，作者們提出了一種新的網絡結構 Cascaded Pyramid Network，級聯金字塔網絡 CPN，意在解決這些困難情境下的關鍵點識別問題。具體來說，他們的算法包含兩個階段，GlobalNet 和 RefineNet。GlobalNet 是一個特征金字塔網絡，它可以找到所有“簡單”的關鍵點，比如眼、手；重疊的或者不可見的關鍵點就可能無法準確識別。然后RefineNet 是專門用來處理“難”的關鍵點的，它會把 GlobalNet 中所有級別的特征表征和一個難關鍵點的挖掘損失集成到一起。總的來說，為了解決多人姿態預測問題，他們采用了一個逐步細化的流水線，首先用檢測器生成一組邊界框，框出圖中的人體，然后用級聯金字塔網絡 CPN在每個人體邊界框中定位關鍵點。
根據所提的算法，作者們在COCO的關鍵點檢測比賽中刷新了最好成績，在COCO test-dev 數據集上取得73.0的平均精度，并在COCO test-challenge 數據集上取得72.1的平均精度。這一成績比COCO 2016 關鍵點檢測比賽的最好成績60.5提升了19%之多。

曠視論文三連發，揭秘COCO +Places 2017比賽獲獎模型

CPN 的部分檢測結果

MegDet: A Large Mini-Batch Object Detector

mini-batch很大的物體檢測模型MegDet
COCO Detection/Segmentation Challenge 第一名
論文地址：https://arxiv.org/abs/1711.07240
論文簡介：基于CNN的物體檢測研究一直在不斷進步，從 R-CNN 到 Fast/Faster R-CNN，到近期的 Mask R-CNN，再到 RetinaNet，主要的改進點都在于新的網絡架構、新的范式、或者新的損失函數設計。然而mini-batch大小，這個訓練中的關鍵因素并沒有得到完善的研究。在這篇論文中，作者們提出了一個大mini-batch物體檢測模型MegDet，從而可以使用遠大于以往的mini-batch大小訓練網絡（比如從16增大到256），這樣同時也可以高效地利用多塊GPU聯合訓練（在論文的實驗中最多使用了128塊GPU），大大縮短訓練時間。技術層面上，作者們也了提出了一種學習率選擇策略以及跨GPU的batch normalization方法，兩者共同使用就得以大幅度減少大mini-batch物體檢測器的訓練時間（例如從33小時減少到僅僅4個小時），同時還可以達到更高的準確率。文中所提的MegDet就是提交到COCO2017比賽的mmAP 52.5%成績背后的骨干結構，這個成績也拿下了檢測任務的第一名。

曠視論文三連發，揭秘COCO +Places 2017比賽獲獎模型