曠視科技Face++公開COCO2017冠軍模型

今年 ICCV 2017會議期間，COCO +Places 2017挑戰(zhàn)賽公布了獲獎榜單。在COCO Challenge 和 Places Challenge 兩個板塊的七項比賽中，曠視科技（Face++）拿下了 COCO Detection/Segmentation Challenge（檢測/分割）、COCO Keypoint Challenge（人體關(guān)鍵點檢測）、Places Instance Segmentation（實體分割）三個項目的冠軍。

有趣的是，Places Challenge 中允許提交五次成績，曠視在實體分割項目上第一次提交的成績就以0.27717 Mean AP遠遠甩開了其它隊伍中的最好成績0.24150，最終的第三次提交更繼續(xù)提升到了0.29772，穩(wěn)坐第一名。

近日，曠視科技研究院就在arXiv上連發(fā)三篇論文，內(nèi)容包括了自己在COCO +Places 2017挑戰(zhàn)賽中的獲獎模型。AI 科技評論把這三篇論文簡單介紹如下，感興趣的讀者歡迎查看原論文仔細研究。

Light-Head R-CNN: In Defense of Two-Stage Object Detector

· 輕量頭部 R-CNN：守護兩階段物體檢測器的尊嚴

· 論文地址：https://arxiv.org/abs/1711.07264

· 論文簡介：這篇論文中，作者們首先探究了典型的兩階段物體檢測方法沒有YOLO和SSD這樣的單階段檢測方法運行速度快的原因。他們發(fā)現(xiàn)，F(xiàn)aster R-CNN 和 R-FCN 在候選區(qū)域產(chǎn)生前或后都會進行高強度的計算。Faster R-CNN 在候選區(qū)域識別后有兩個全連接層，而 R-FCN 會產(chǎn)生一張很大的分數(shù)表。這些網(wǎng)絡(luò)由于有這樣的高計算開銷的設(shè)計，運行速度就較慢。即便作者們嘗試大幅度縮減基準模型的大小，計算開銷也無法以同樣幅度減少。

曠視科技的作者們在論文中提出了一個新的兩階段檢測器，Light-Head R-CNN，輕量頭部 R-CNN，意在改善當(dāng)前的兩階段方法中計算開銷大的缺點。在他們的設(shè)計中，通過使用小規(guī)模的feature map和小規(guī)模的R-CNN子網(wǎng)絡(luò)（池化層和單個全連接層），網(wǎng)絡(luò)的頭部被做得盡可能輕量化。作者們基于ResNet-101構(gòu)造了一個輕量頭部的R-CNN網(wǎng)絡(luò)，在COCO數(shù)據(jù)集上超越當(dāng)前最好水準的同時還保持了很高的時間效率。更重要的是，只要把骨干結(jié)構(gòu)換成一個較小的網(wǎng)絡(luò)（比如 Xception），作者們的 Light-Head R-CNN 就可以在COCO數(shù)據(jù)集上以102FPS的運行速度得到30.7mmAP的成績，在速度和準確率兩個方面都明顯好于YOLO和SSD這樣的快速單階段檢測方法。相關(guān)代碼將會公開發(fā)布。

檢測精度與推理時間對比圖

Cascaded Pyramid Network for Multi-Person Pose Estimation

· 用于多人姿態(tài)估計的級聯(lián)金字塔網(wǎng)絡(luò)CPN

· COCO Keypoint Challenge 第一名

· 論文地址：https://arxiv.org/abs/1711.07319

· 論文簡介：多人姿態(tài)估計這個課題的研究成果近期有了很大的提升，尤其是在卷積神經(jīng)網(wǎng)絡(luò)快速發(fā)展的幫助下。然而，還是有許多情境會造成檢測困難，比如關(guān)鍵點重疊、關(guān)鍵點不可見以及背景復(fù)雜的情況都還解決得不理想。在這篇論文中，作者們提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu) Cascaded Pyramid Network，級聯(lián)金字塔網(wǎng)絡(luò) CPN，意在解決這些困難情境下的關(guān)鍵點識別問題。具體來說，他們的算法包含兩個階段，GlobalNet 和 RefineNet。GlobalNet 是一個特征金字塔網(wǎng)絡(luò)，它可以找到所有“簡單”的關(guān)鍵點，比如眼、手；重疊的或者不可見的關(guān)鍵點就可能無法準確識別。然后RefineNet 是專門用來處理“難”的關(guān)鍵點的，它會把 GlobalNet 中所有級別的特征表征和一個難關(guān)鍵點的挖掘損失集成到一起?？偟膩碚f，為了解決多人姿態(tài)預(yù)測問題，他們采用了一個逐步細化的流水線，首先用檢測器生成一組邊界框，框出圖中的人體，然后用級聯(lián)金字塔網(wǎng)絡(luò) CPN在每個人體邊界框中定位關(guān)鍵點。

根據(jù)所提的算法，曠視科技的作者們在COCO的關(guān)鍵點檢測比賽中刷新了最好成績，在COCO test-dev 數(shù)據(jù)集上取得73.0的平均精度，并在COCO test-challenge 數(shù)據(jù)集上取得72.1的平均精度。這一成績比COCO 2016 關(guān)鍵點檢測比賽的最好成績60.5提升了19%之多。

CPN 的部分檢測結(jié)果

MegDet: A Large Mini-Batch Object Detector

· mini-batch很大的物體檢測模型MegDet

· COCO Detection/Segmentation Challenge 第一名

· 論文地址：https://arxiv.org/abs/1711.07240

· 論文簡介：基于CNN的物體檢測研究一直在不斷進步，從 R-CNN 到 Fast/Faster R-CNN，到近期的 Mask R-CNN，再到 RetinaNet，主要的改進點都在于新的網(wǎng)絡(luò)架構(gòu)、新的范式、或者新的損失函數(shù)設(shè)計。然而mini-batch大小，這個訓(xùn)練中的關(guān)鍵因素并沒有得到完善的研究。在這篇論文中，作者們提出了一個大mini-batch物體檢測模型MegDet，從而可以使用遠大于以往的mini-batch大小訓(xùn)練網(wǎng)絡(luò)（比如從16增大到256），這樣同時也可以高效地利用多塊GPU聯(lián)合訓(xùn)練（在論文的實驗中最多使用了128塊GPU），大大縮短訓(xùn)練時間。技術(shù)層面上，作者們也了提出了一種學(xué)習(xí)率選擇策略以及跨GPU的batch normalization方法，兩者共同使用就得以大幅度減少大mini-batch物體檢測器的訓(xùn)練時間（例如從33小時減少到僅僅4個小時），同時還可以達到更高的準確率。文中所提的MegDet就是提交到COCO2017比賽的mmAP 52.5%成績背后的骨干結(jié)構(gòu)，這個成績也拿下了檢測任務(wù)的第一名。

同一個物體檢測網(wǎng)絡(luò)在COCO數(shù)據(jù)集上訓(xùn)練的驗證準確率，mini-batch數(shù)量為16的運行在8塊GPU上，256的運行在128塊GPU上。mini-batch更大的檢測器準確率更高，訓(xùn)練速度也幾乎要快一個數(shù)量級。

“4.6億美元融資”、“姚期智院士加盟”、“人臉識別方案應(yīng)用于多款手機上”，再加上COCO比賽相關(guān)的技術(shù)成果和比賽成績，僅近期的幾則消息就可以說明曠視科技已經(jīng)走得很大、很穩(wěn)了。相信未來曠視科技研究院將在計算機視覺領(lǐng)域做出更多的研究成果，在世界范圍內(nèi)取得商業(yè)和學(xué)術(shù)的雙豐收。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。