前言

• region-based目标检测方法：比如Fast R-CNN和Faster R-CNN，检测精度较高，并且RPN能够去除一些背景样本，但资源和时间消耗太大；
• region-free目标检测方法，比如SSD和YOLO，它们的检测效率很高，但检测精度却略有不足，由于没有RPN对负样本进行过滤，正负样本的比例严重失衡。而且YOLO只利用最后一层进行检测，而SSD虽然利用了较浅的层的结果，但仍无法准确地检测小目标。

为了结合region-based和region-free方法的优点，本文提出RON（Reverse connection with Objectness prior Networks），它主要关注两个方面的问题：

1. 多尺度目标定位。通过逆向连接（reverse connection）将更多的语义信息传递给较浅的层，使得目标能够在对应的网络尺度上进行检测；
2. 负样本挖掘。在卷积特征图上创建objectness prior，以减少目标的搜索空间，从而解决正负样本间的不平衡问题。

---

网络结构

RON的整体结构如下图所示：

使用VGG-16作为backbone，VGG-16共有13个卷积层和3个全连接层，将FC6（第14层）和FC7（第15层）转换为卷积层，使用步长为2，大小为$2 \times 2$的卷积对FC7进行2倍的下采样。那么这样就能得到原图大小的1/8（conv 4_3），1/16（conv 5_3），1/32（conv 6）和1/64（conv 7）的特征图，使用这些特征图进行目标检测。

1. reverse connection（逆向连接）

逆向连接块如上图所示，逆向连接的过程如下：

• 首先将reverse fusion map（rf-map）$n+1$经过一个解卷积层；
• 将conv n经过一个卷积层，以使二者拥有相同的维度；
• 通过element-wise相加将这两个map结合起来。

注意，最后一个rf-map 7其实就是backbone中conv 7输出的特征图，然后就逐层向前融合，浅层的语义信息也会因此得到加强。

2. 如何在网络的不同尺度上生成候选框

在经过逆向连接生成不同尺度的特征图后，作者为每个特征图设计了不同大小的候选框，以预测特定尺度的目标。设最小的尺度为$s_{min}$（$s_{min}$是输入图像大小的$\frac{1}{10}$），那么特征图$k$上的候选框大小$S_k$为：

候选框共有5种长宽比：$\lbrace \frac{1}{3},\frac{1}{2},1,2,3 \rbrace$，因此，每个特征图上共有2种尺度和5种长宽比的候选框，也就是说特征图的每个位置上共有10个候选框。这样就可以覆盖不同大小和形状的目标了。

3. objectness prior

虽然每个特征图上有不同尺度和不同长宽比的候选框，但只有一小部分候选框能够覆盖目标，也就是说，正负样本间存在严重的不平衡。为了解决这个问题，本文提出objectness prior，用于指导对目标的搜索。具体来说就是，添加了一个$3 \times 3 \times 2$的卷积层，后跟softmax函数，以判断每个候选框中是否有目标。

上图说明了从一张输入图像中生成多尺度objectness prior map，可以看到，沙发在（a）和（b）被响应，黄狗在（c）被响应，斑点狗在（d）被响应，也就是说，不同大小的目标在它们对应的特征图上被响应。可以看到，objectness prior map能够明确反映出目标的存在，因此目标的搜索空间也就减小了。

4. 分类与回归

本文在分类分支中添加inception模块，inception模块的结构如下图所示。在通过逆向连接得到多尺度特征图后，在每个特征图后添加两个inception模块，然后将输出通过softmax层，得到分类分数。

整个检测模块的结构如下图：

5. 如何利用objectness prior进行检测

在训练时，首先为每个候选框分配一个二值标签，表示该候选框中是否有目标存在。如果某个候选框覆盖了一个目标，就为该候选框分配一个类别标签。

在选择正样本的时候，主要有以下两个步骤：

1. 对于每个gt box，首先将IoU最大的候选框与该gt进行匹配；
2. 然后对于剩下的候选框，它与哪个gt box的IoU大于0.5，就将它们进行匹配。

在选择负样本的时候，如果某候选框与任何gt box的IoU都小于0.3，就将其作为负样本。

这样的话，每个候选框都有其二值标签和类别标签。通过将检测与objectness prior相结合，候选框的类别标签是会被网络进行动态更新的，

• 在前向传播时， objectness prior和检测是同时进行的；
• 在后向传播时， 先生成objectness prior，选择那些objectness score高于阈值$o_p$的样本，然后进行检测，这样的话，就可以仅用一小部分样本来更新检测模块。

上图说明了如何将objectness prior与检测相结合，首先根据$o_p$对objectness prior进行二值化，也就是分为“高于$o_p$”/”低于$o_p$“两部分，上图中亮斑部分就是objectness score高于$o_p$的部分，然后将这个亮斑，也就是mask投影到检测域中，位于mask之内的样本用于检测目标。

---

结论

RON利用逆向连接构建多尺度特征图，将高层的语义信息传递到浅层特征图中，感觉很像FPN中的横向连接。objectness prior的作用是实现正负样本间的平衡。