貝葉斯優化與結構化預測 | 大幅度提升目標檢測精度

節假日在家里整理資料，發現一篇很早之前閱讀過的一篇paper，主要用貝葉斯優化器和結構化預測來提升目標檢測的精度，今天和大家分享下這框架，有興趣的同學可以在這條想法上繼續衍生，提出更好的新想法新框架！

一、前言&簡要

基于深度卷積神經網絡的目標檢測系統最近在幾個目標檢測基準上取得了突破性的進展。雖然這些high-capacity神經網絡學習到的特征可以區分類別，但不準確的定位仍然是檢測錯誤的主要來源。在高容量CNN架構的基礎上，研究者通過以下來解決定位問題。1)使用基于貝葉斯優化的搜索算法，按順序提出目標邊界框的候選區域；2)用結構化損失訓練CNN，明確地懲罰CNN的定位不準確性。

在實驗中，研究者證明了在VOC 2007年和2012年的數據集上，所提出的每種方法都比基線方法提高了檢測性能。此外，兩種方法是互補的，結合起來明顯優于以前的先進技術。

二、背景

DPM及其變體多年來一直是目標檢測任務的主要方法。這些方法使用圖像描述符，如HOG、SIFT和LBP作為特征，并密集地掃描整個圖像，以找到最大的響應區域。隨著CNN在大規模目標識別上取得的顯著成功，提出了幾種基于CNNs的檢測方法。遵循傳統的區域候選滑動窗口方法，Sermanet等人[Sermanet, D. Eigen, X. Zhang, M. Mathieu, R. Fergus, and Y. LeCun. OverFeat: Integrated recognition, localization and detection using convolutional networks. In ICLR, 2014 ]提出使用cnn對整個圖像進行詳盡的搜索，但通過在多個尺度上同時對整個圖像進行卷積，使其有效。除了滑動窗法，Szegedy等人[C. Szegedy, A. Toshev, and D. Erhan. Deep neural networks for object detection. In NIPS]使用CNNs返回圖像中目標的邊界框，并使用另一個CNN分類器來驗證預測的框是否包含對象。Girshick等人[R. Girshick, J. Donahue, T. Darrell, and J. Malik. Rich feature hierarchies for accurate object detection and semantic segmentation. In CVPR]根據“recognition using regions”范式提出了R-CNN，這也激發了之前幾種最先進的方法。在該框架下，通過選擇性搜索算法為圖像提出了幾百或數千個區域，CNN確定這些候選區域。研究者的新方法是建立在使用[K. Simonyan and A. Zisserman. Very deep convolutional networks for large-scale image recognition. In ICLR]中提出的CNN的R-CNN框架上的，但是，1)一種新的方法在定位差的情況下提出額外的邊界框，2)一個具有提高定位靈敏度的分類器。

三、Fine-grained search for bounding box via Bayesian optimization

3.1 General Bayesian optimization framework

在貝葉斯優化框架中，假設f=(x,y)是從概率模型中提取的：

貝葉斯優化在函數計算的數量方面是有效的，當f的計算成本昂貴時也特別有效。當a(yN | DN)比f計算要簡便得多，而arg max yN+1(yN+1 | DN)的計算只需要一些函數計算時，可以有效地找到一個更接近GT的解決方案。

3.2 Efficient region proposal via GP regression

在這里，研究者使用常數平均函數m(y) = m0和SEard，確定如下：

GP回歸(GPR)問題試圖找到一個新的參數yN1，給定N個觀測DN，最大化獲取函數的值，在者情況下，用期望的改進(EI)定義為：

3.3Local fine-grained search

四、實驗