創(chuàng)新點(diǎn)有三個(gè)

• SF-net:用于特征提取
• MDA-Net：抑制背景，突出前景目標(biāo)
• 損失函數(shù)：改進(jìn)L1損失，添加IOU常數(shù)因子

SF-net

動(dòng)機(jī)：

• 檢測(cè)小目標(biāo)存在問題：
  1）使用pooling層，小目標(biāo)在更深的層中丟失了特征信息
  2）頂層特征圖大的采樣步長(zhǎng)漏掉了小目標(biāo)，導(dǎo)致欠采樣。
  底層特征圖能夠保留小目標(biāo)的位置信息，頂層特征圖能夠包含更多的語義信息。
• 解決思路：
  1）常用的多尺度特征融合
  2）finer sampling：更合適的采樣方式。

• 具體解決方案
  使用resnet，僅使用c3和c4進(jìn)行特征融合。其中c4被上采樣到固定尺寸s=6（經(jīng)驗(yàn)參數(shù)，本文的6是根據(jù)特定數(shù)據(jù)集選定的參數(shù)），c3同時(shí)被上采樣到該尺寸，然后接了一個(gè)inception模塊，來擴(kuò)大感受野和增強(qiáng)語義信息，最后將兩個(gè)通道的結(jié)果拼接到一起，得到特征圖F3。

  
  
  圖片.png

MDA-Net

• 傳統(tǒng)RPN存在問題
  帶來很多噪聲信息，也就是可能引入虛假目標(biāo)，此外，目標(biāo)邊界模糊。所以需要更加突出背景，抑制噪聲。
• 解決思路
  使用有監(jiān)督的注意力機(jī)制網(wǎng)絡(luò)來突出目標(biāo)，抑制背景。

• 具體解決方案
  1） 首先，上一步提取到的特征圖F3，經(jīng)過inception模塊后得到新的特征圖，利用該特征圖進(jìn)行1x1x2卷積，得到顯著圖每個(gè)像素點(diǎn)的前景分?jǐn)?shù)和背景分?jǐn)?shù)（訓(xùn)練時(shí)采用二值圖和該輸出進(jìn)行交叉熵?fù)p失計(jì)算和參數(shù)回歸）。然后使用softmax將同一個(gè)像素點(diǎn)的目標(biāo)和背景分?jǐn)?shù)歸一化到0-1（兩數(shù)之和是1）。接著使用單通道顯著圖和F3相乘，這樣就得到了經(jīng)過背景抑制和邊界增強(qiáng)的特征圖。
  2）此外，除了像素注意力機(jī)制（不同像素對(duì)應(yīng)不同權(quán)重），還用了通道注意力機(jī)制（不同特征圖對(duì)應(yīng)不同權(quán)重）。通道注意力機(jī)制首先對(duì)每張?zhí)卣鲌D求平均值，得到c個(gè)值后，利用兩個(gè)全連接，第二個(gè)全連接輸出還是c個(gè)值，然后使用sigmoid調(diào)整到0-1之間，就得到了通道注意力的權(quán)重。（這個(gè)權(quán)重是通過反向傳播學(xué)習(xí)參數(shù)得來的），最終F3和這兩個(gè)權(quán)重相乘后得到A3，在A3基礎(chǔ)上，使用rpn來提取候選區(qū)域。注意，這里的候選區(qū)域還是水平矩形框。

  
  
  圖片.png

損失函數(shù)

圖片.png

圖片.png