RefineDet是CVPR2018的一篇论文，是一种one-stage的目标检测方法。RefineDet借鉴了two-stage中RPN的想法，在精度大幅提升的基础上也有着非常优秀的速度，毕竟速度才是one-stage的优势所在。本篇记录下看过RefineDet论文和相关资料后的一些重要信息，供日后翻阅。

论文链接：https://arxiv.org/abs/1711.06897

代码链接：https://github.com/sfzhang15/RefineDet

RefineDet的基本结构

two-stage的目标检测方法之所以有一定的优势在于：

1. RPN网络能够帮助解决目标检测前景背景样本不均衡问题

2. RPN通过提取的proposal region，并针对于这些区域进行专门的检测，且对目标位置做了二次预测，达到由粗到细的精修目的。

网络结构如下图。

ARM

RefineDet借鉴了这一思想，提出了ARM和ODM级联的网络结构，其中ARM为Anchor Refinement Model(图中红框)，这一部分得到的结果是Anchor box的offsets以及是否包含目标（包含目标的Anchor 为非negative的）。及通过ARM可以得到Anchor box的信息而不像SSD和YOLO等方法提前设定固定的Anchor，这样做的好处一个是提升了Anchor的准确性，二是可以通过Anchor的score过滤大部分负样本。

论文中设定阈值θ=0.99达到过滤大部分负样本anchor的目的，这部分anchor通常为不包含背景的negative anchors，也是easy example。

ODM

ARM负责预测anchor，得到的结果将作为输入传输到ODM中，ODM为Object Detection Module(图中橙色框)。ODM将根据ARM中的anchor得到最终的目标结果，包含classification和box regression。这一部分就和传统的SSD目标检测部分基本一致，总结一下不同点在于：

1. ODM中借鉴了FPN，融合底层特征而非SSD直接提取高层特征。

2. Anchor通过ARM得到而非固定值。

TCB

TCB为Transfer Connection Block（图中绿色框），TCB模块主要起到了ARM和ODM的桥接作用，负责将ARM中的feature map转化到ODM中，被ODM所使用，其模块结构如下：

其他细节

Backbone

RefineDet采用了两种基础网络做训练，分别是VGG16和ResNet101，并且：

1. 为了获得更高层的语义信息（对应着更小的feature map），在VGG16的基础上增加了stride=2的卷积来获得更小的卷积层；为了达到同样的目的在ResNet101的尾部增加了额外的残差块。
2. 为了防止反向传播时候梯度爆炸，在浅层特征的两层（下图红色框）增加了L2 正则化。

 

Hard Example Mining

ARM已经对anchor做了部分过滤，但是为了进一步解决easy example的问题，还做了了难例样本挖掘。即选取loss 比较top部分的anchor box计算loss，保持正负样本比例在1:3（和SSD一样）。

Loss Function

损失函数定义如下：

注意其中有三种类型的损失，分别为，和，它们本别对应着binary cross entropy，smooth L1和softmax，具体损失如图中红字标注所示。

注意是二分类交叉熵的一种写法，代表正样本的时候label为1

则代表在anchor和bbox回归的时候，只有正样本的才参与损失的计算

可以看到ARM和ODM的损失是在同一个loss function中计算的，即整个网络的loss是end-to-end的。

网络效果

VGG16做backbone在VOC上达到了80+的mAP：

ResNet101在COCO上的mAP达到了41.5,甚至超过了two-stage：

实测训练效果

TODO