https://arxiv.org/pdf/2010.02475.pdf

Abstract:

在此報告中，我們介紹了目標檢測/例項分割系統MegDetV2，該系統以two-pass方式工作，首先檢測例項，然後進行分割。 我們的基線檢測器主要基於一種新設計的RPN，稱為RPN ++。 在COCO-2019檢測/例項細分test-dev資料集上，我們的系統達到61.0 / 53.1 mAP，比我們2018年的獲勝結果分別高出5.0 / 4.2。 我們在2019年和2020年COCO挑戰賽中取得了最佳成績。

Two-Pass Pipeline：

訓練的時候，分別訓練FPN檢測器和Mask-RCNN 。測試的時候，將從FPN檢測器提取的邊界框輸入到Mask-RCNN的分割head中，以生成最終結果。 以這種分而治之的方式，很容易利用來自不同來源的訓練資料並管理非常大規模的模型訓練。

Detection：

1.Methods:

本文使用FPN、MASK RCNN、Cascade RCNN，使用resnet50作為基準特徵提取器。其中使用了上表中的tricks。

A. RPN++

其中包含了High-IoU proposal sampling和Class aware sampling兩種取樣方式。

High-IoU proposal sampling:

RPN中已經存在許多高質量的proposals，通過NMS對其進行過濾。 而不是使用RPN分數來確定proposals的好壞。這樣無法有效利用它們，本文提出使用proposal與gt的iou作為質量標準 放寬了NMS IoU閾值，以保留更多高質量的proposals。 得益於高IoU取樣器，甚至可以直接學習具有更高的IoU臨界閾值0.7的R-CNN，它可以將FPN顯著提高2.5（表2中的38.8對36.3）。 這種方式對於級聯R-CNN也是有幫助的，通過新增額外的R-CNN頭和0.7 IoU閾值，這將結果進一步提高到40.7。 注意，與普通級聯R-CNN相比，它具有更出色的效能（表2中的40.7 vs 40.2），甚至減少了計算量。

Class aware sampling：

以往對於RPN生成的proposals，對於不同類別使用相同的iou閾值。本文對應不同類別動態設定閾值。具體做法是：首先計算所有類別中有多少個proposals與gt框的iou高於0.5 的比率α。然後根據α，對每個類別進行proposals的取樣。本文還為RPN anchors設計了另一個目標匹配規則。 每個gt框將被迫匹配一組anchor boxes，例如 每個gt框的前35個anchors點。 這些更改使FPN改善了1.3（表3中）

B. Strong-Baseline for Object Detection

在上面tricks的基礎上，本文還採用 “Deformable Network v2 with pooling” [14], “Stacking 4 Convolutions for location branch”.的技術。

Deformable Convolution and Pooling：
在Deformable ConvNets v2之後，作者在ResNet階段-{3，4，5}中的每個瓶頸3×3卷積中添加了transformable-conv。 產生2.6（38.9 vs 36.3）的改進。 像可變形ConvNets一樣，進一步用可變形RoI-Align代替RoI Align操作。 結果提高了1.1（40.0 vs 38.9）。

Stacking 4 Convolutions for location branch：
對於迴歸分支而言，使用4個堆疊卷積來更好地利用空間資訊進行定位任務而。 它有效地將結果提高了0.7（40.8對40.1）點。

Feature Pyramid with deformable convolution：
將FPN中的橫向3×3卷積更改為可變形的3×3卷積。 通過簡單的修改，這可以帶來0.3（41.1 vs 40.8）的改進。

2.COCO 2019 Detection Road-Map:

最後，為了獲得更好的COCO挑戰結果，我們採用了另外3個強大的主幹來提取影象特徵。 包含SENet-154 ，Shuffle V2 和ResNext 。

1.ShuffleNet V2 ->5.2。 注意，為加快實驗速度，作者在訓練較大的骨幹網時使用64個GPU（2個影象/ gpu）

2.SoftNMS ->0.7

3.syncbn->0.9

4.multi-scale training->0.9，具體地，通過從400到1400範圍內的均勻取樣來確定影象的短尺寸，最大大小限制為1400

5.Objects365預訓練->2.3

6.大尺度訓練->0.9，較大的尺寸範圍600-1600，較長邊緣的最大尺寸限制為1867

7.進一步延長了多尺度訓練的時間，涉及更大的RoI作為上下文，並對R-CNN的分類評分進行了歸一化->1

8.TTA:->1.6，多尺度測試{600, 800, 1000, 1200, 1400}+水平翻轉

9.ensemble