RetinaNet基础概念

1.目标检测算法

　　一般的步骤包括：输入图片--->得到候选框--->根据候选框提取特征-->对框内的特征进行分类(回归)

2. 视觉检测器

　　1.1One-stage

　　　　以YOLO和SSD为代表的单级结构，它们摒弃了提取proposal的过程，只用一级就完成了识别/回归，虽然速度较快但准确率稍差。

　　1.2Two-stage

　　　　以Faster RCNN为代表的两级识别方法，这种结构的第一级专注于proposal的提取，第二级则对提取出的proposal进行分类。两级结构准确度较高，但因为第二级需要单独对 　　每个proposal进行分类/回归，速度比较慢。

　　那么，有没有只用单级结构又能提高准确率的方法呢？

 

3. focal loss

　　针对one-stage在训练时会被易于分类的背景示例所支配。作者提出了一种新的损失函数，它可以作为处理类不平衡的先前方法的一种更有效的替代方法。

　　（1）定义cross entropy :

 　　　　

　　作者提出了一种新的针对二分类问题的loss。其中，y是0,1标签。P是模型输出的概率(即估计y=1的概率)。

　　为了符号方便表示：

                     

　　即：

    　　　　

　　(2)Balanced Cross Entropy

　　　　解决类不平衡的常用方法是引入加权因子a，其中a属于[0,1]

    　　　

 　（3）定义focal loss

　　　　虽然a平衡positive/negative的案例，但它没有区分easy/hard examples。通过定义一个可调聚焦参数(1 − pt)γ，定义了focal loss：

       　　　　

　　　　在实践中，添加了一个a平衡变量，得到以下形式：

        　　　　

　　　　总之，本质上讲，Focal Loss 就是一个解决分类问题中类别不平衡、分类难度差异的一个损失函数。

　　比如：在训练时，前景类和背景类之间的极度不平衡（如：1:1000）

 

4.RetinaNet

　　RetinaNet是一个统一的网络，由骨干网和两个特定于任务的子网组成。骨干负责计算整个输入图像上的卷积特征图，并且是一种自卷积网络。第一个子网在主干的输出上执行卷积对象分类;第二个子网执行卷积边界框回归。

　　(1)FPN (Feature Pyramid Network)

　　　　FPN通过自上而下的路径和横向连接增强了标准卷积网络，因此网络从单个分辨率输入图像有效地构建了丰富的多尺度特征。详细见：　　      

 　　　　 https://www.cnblogs.com/huajing/p/13651175.html

　　(2) 分类子网

　　　　分类子网预测每个A anchors和K个对象类在每个空间位置处对象存在的概率。

　　　　设计很简单：

　　　　　　输入是C通道的多层特征图--->4个3×3的卷积核（通道数为C）--->relu激活函数--->3×3卷积核（通道数为A）--->sigmoid激活函数

　　　　　　(一般C=256，A=9)

　　(3）box回归子网

　　　　大体上同分类子网，只是最后是一个线性输出。如上图（d）