论文阅读：Deformable ConvNets v2
论文地址：http://arxiv.org/abs/1811.11168
作者：pprp
时间：2019年5月11日
0. 摘要
DCNv1引入了可变形卷积，能更好的适应目标的几何变换。但是v1可视化结果显示其感受野对应位置超出了目标范围，导致特征不受图像内容影响（理想情况是所有的对应位置分布在目标范围以内）。
为了解决该问题：提出v2, 主要有
- 扩展可变形卷积，增强建模能力
- 提出了特征模拟方案指导网络培训：feature mimicking scheme
结果：性能显著提升，目标检测和分割效果领先。
1. 简介
Geometric variations due to scale, pose, viewpoint and part deformation present a major challenge in object recognition and detection.
目标检测一个主要挑战：尺度，姿势，视角和部件变形引起的几何变化
v1 引入两个模块：
- Deformable Convolution : 可变形卷积
- 通过相对普通卷积基础上添加的偏移解决
- Deformable RoI pooling : 可变形 RoI pooling
- 在RoI pooling 中的bin学习偏移
为了理解可变形卷积，进行了可视化操作：
-
samples for an activation unit tend to cluster around the object on which it lies.
-
激活单元样本点聚集在目标附近
-
但是覆盖范围不够精确，超出the area of interest
由此提出DCNv2, 具有增强建模的能力，可用于学习可变形卷积
with enhanced modeling power for learning deformable convolutions.
添加了两种互补的模式：
- 更广泛应用可变形卷积，在更多层上使用可变形卷积
- 在原有基础上不仅加上偏移（offset），而且加上幅值（amplitude）的控制
为了充分利用可变形卷积提取的信息，吸取知识蒸馏的手段，进行培训。
- 教师网络：R-CNN, 针对裁剪内容进行分类的一个网络，防止学习不在目标范围以外的内容
- 学生网络：Faster R-CNN
2. 可变形卷积行为分析
2.1 空间支持可视化
可视化三个内容：
- 有效感受野 ： 可视化感受野
- 有效采样位置： 对采样点求梯度，然后可视化
- 误差界限显著性区域 ： 参考显著性分析理论，进行可视化
2.2 可变形网络空间支持
Faster R-CNN中Conv1-Conv4使用在Head中的，Conv5使用在Classification network上
ResNet-50 Conv5里边的3$\times$3的卷积层都使用可变形卷积替换。Aligned RoI pooling 由 Deformable RoI Pooling取代，当offset学习率设置为0，那么Deformable RoI Pooling就退化为Aligned RoI Pooling。 ps: 这是V1中的操作。
从中观察到：
- 常规卷积可以一定程度上模拟几何变化，通过网络权重做到的
- 可变形卷积模拟几何变化能力显著提升，但是不够精确。
3. 更多可变形卷积层
v2 中进行改进的部分主要有三点
3.1 使用更多的可变形卷积
在Conv3, Conv4, Conv5中所有的3$\times$3的卷积层全部被替换掉。对于pascal voc简单数据集，堆叠三层以上就会饱和。
3.2 在DCNv1基础（添加offset）上添加幅值参数
回顾一下DCNv1:
R 是相当于3$\times$3的kernel, \(p_0\)是当前中心点，\(p_n\)枚举每一个点。
可见，在普通卷积基础上，offset \(\Delta p_n\)是主要改进点。
那DCNv2主要改了哪些地方？
在v1基础上，添加了\(\Delta m_k\), 一个控制幅值变化的量。
ROI pooling是如何改进的？
先看Faster R-CNN中的ROI Pooling:
然后先看DCNv1的Deformable RoI Pooling
主要是添加了offset fields \(\Delta p_{ij}\) 来控制偏移部分。
DCNv2的Deformable RoI Pooling也是将幅值引入，如下图：
类似的也添加了幅值变量，在训练的过程中进行学习。
3.3 R-CNN Feature Mimicking
采用了类似知识蒸馏的方法，用一个R-CNN分类网络作为teacher network 帮助Faster R-CNN更好收敛到目标区域内。
得到ROI之后，在原图中抠出这个ROI，resize到224x224，再送到一个RCNN中进行分类，这个RCNN只分类，不回归。然后，主网络fc2的特征去模仿RCNN fc2的特征，实际上就是两者算一个余弦相似度，1减去相似度作为loss即可
代码
GitHub几个源码
-
https://github.com/msracver/Deformable-ConvNets 官方提供的版本，有DeepLab, Faster R-CNN, FPN, R-FCN等。源码使用的是mxnet。
-
https://github.com/open-mmlab/mmdetection 集成了可变形卷积，源码使用的是pytorch。
-
https://github.com/ChunhuanLin/deform_conv_pytorch 测试deform_conv_V1的准确度的demo.py，源码使用的是pytorch。
-
https://github.com/4uiiurz1/pytorch-deform-conv-v2一个简单版本的DCNv2 ,源码使用的是pytorch
-
https://github.com/chengdazhi/Deformable-Convolution-V2-PyTorch/tree/pytorch_1.0.0 Pytorch 1.0 最新的完整的DCNv2
参考文献
https://blog.csdn.net/u013841196/article/details/80713314
http://arxiv.org/abs/1811.11168
