点击上方“CVer”，选择加"星标"或“置顶”

重磅干货，第一时间送达

作者：孙明

https://zhuanlan.zhihu.com/p/83310317

本文已由作者授权，未经允许，不得二次转载

在这里介绍一下最近做的两篇关于物体检测的论文，主要解决的问题是scale，前提是不牺牲测试速度。

（1）通过learning方式学习dilation

POD: Practical Object Detection with Scale-Sensitive Network

https://arxiv.org/abs/1909.02225

(2)通过automl的方式搜索dilation

https://arxiv.org/abs/1909.02293

（一）问题

检测里面scale变化非常大，其中我认为解决比较好的方案之一是deformable，通过局部密集采样方式，自适应其变化。但是这用解决问题的方式带来的问题是，速度非常慢，且很难加速。

（二）分析

我们自己重新分解了一下deformable中学习的局部不规则9个采样点，可以把这9个点的变换分解成 中心点的偏移，整个矩形框面积的变换，以及局部形状的变换。发现其中最核心的变化是矩形框的面积，而不是矩形框的形状和中心点。这个也很好理解，矩形框的面积改变的是感受野，矩形框的边缘是感受形状信息。

换句话说，采样的矩形框自由度不需要那么高（不规则），是个矩形就行。什么操作可以改变采样矩形框且不影响速度呢？dilation就行。这个是我们做的第一步分解，使得局部操作可以加速。

但是第二个问题是，这种局部的密集采样还是非常慢的。能不能舍弃这种做法？空间的密集目的是想特征抽取的更好，也就是output特征更好。但是output特征除了在采样数据那边做，也可以在卷积核上做。为了速度，我们做了第二步分解，我们把空间的多样性，分解到卷积核上。具体做法是，分组。不同的分组，采用不同的dilation。最后的特征，对于每个ROI而言，也能看到更大的特征。

（三）浮点的dilation + group

找到了这两步，基本就能解决要解决的问题，局部ROI需要更丰富的特征并不增加耗时。具体的解法可以看论文。试验结果

（四）进阶版

实际细想就是两个超参，每个卷积的dilation数值和group的分组数。学习的方式难免有局限，得益于强大的搜索算法，我们直接搜索了这两个超参，也算是比较早直接在channel 级别搜索的论文，具体可以看我们的NIPS论文。

（五）展望

一切的前提都是速度不变情况下，如何解决问题。这个scale问题还远远没有解决，最近我们也有了新的解法，近期也会放出来。当然除了这个问题，检测还有很多问题。比如检测和分类的NAS有何不同？硬核问题太多了。

重磅！CVer-目标检测交流群成立啦

扫码添加CVer助手，可申请加入CVer-目标检测交流群，同时还可以加入目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测和模型剪枝&压缩等群。一定要备注：研究方向+地点+学校/公司+昵称（如目标检测+上海+上交+卡卡）

▲长按加群

▲长按关注我们

麻烦给我一个在看！