上一篇介绍了Anchor,这篇开始介绍RPN。整个RPN模块其实总的来说可以分成两部分来讲,一个是RPN的训练,这个很容易理解,网络肯定是需要训练优化的;另一个是生成候选区域,这个是RPN的主要功能。现在让我们整体看一下RPN的网络组成部分,后面再详解前面说的两个部分。
RPN网络结构
RPN的网络结构很简单,如下图所示
整个网络一共有两个分支,左边是分类分支,右边是回归分支。具体实现时, 在feature map上首先用3×3的卷积进行更深的特征提取, 然后利用1×1的卷积分别实现分类网络和回归网络。
分类分支
在物体检测中, 通常我们将有物体的位置称为前景, 没有物体的位置称为背景。 在分类网络分支中, 首先使用1×1卷积输出18×37×50的特征, 由于每个点默认有9个Anchors, 并且每个Anchor只预测其属于前景还是背景, 因此通道数为18。 随后利用torch.view()函数将特征映射到2×333×75, 这样第一维仅仅是一个Anchor的前景背景得分, 并送到Softmax函数中进行概率计算, 得到的特征再变换到18×37×50的维度,最终输出的是每个Anchor属于前景与背景的概率。
回归分支
回归分支中, 利用1×1卷积输出36×37×50的特征, 第一维的36包含9个Anchors的预测, 每一个Anchor有4个数据, 分别代表了每一个Anchor的中心点横纵坐标及宽高这4个量相对于真值的偏移量。
代码
源代码文件见lib/model/rpn/rpn.py。
class _RPN(nn.Module):
""" region proposal network """
def __init__(self, din):
super(_RPN, self).__init__()
self.din = din # 特征图的深度, e.g., 512
self.anchor_scales = cfg.ANCHOR_SCALES # 锚框的尺度变化量,默认是[8, 16 ,32]
self.anchor_ratios = cfg.ANCHOR_RATIOS # 锚框的宽高变化量,默认是[0.5, 1 ,2]
self.feat_stride = cfg.FEAT_STRIDE[0] # 特征图的下采样倍数,默认是16
# 定义conv层处理输入特征映射
self.RPN_Conv = nn.Conv2d(self.din, 512, 3, 1, 1, bias=True)
# 定义前景/背景分类层
self.nc_score_out = len(self.anchor_scales) * len(self.anchor_ratios) * 2 # 2(bg/fg) * 9 (anchors)
self.RPN_cls_score = nn.Conv2d(512, self.nc_score_out, 1, 1, 0)
# 定义锚框偏移量预测层
self.nc_bbox_out = len(self.anchor_scales) * len(self.anchor_ratios) * 4 # 4(coords) * 9 (anchors)
self.RPN_bbox_pred = nn.Conv2d(512, self.nc_bbox_out, 1, 1, 0)
# 定义区域生成模块
self.RPN_proposal = _ProposalLayer(self.feat_stride, self.anchor_scales, self.anchor_ratios)
# 定义生成RPN训练标签模块,仅在训练时使用
self.RPN_anchor_target = _AnchorTargetLayer(self.feat_stride, self.anchor_scales, self.anchor_ratios)
# RPN分类损失以及回归损失,仅在训练时计算
self.rpn_loss_cls = 0
self.rpn_loss_box = 0
@staticmethod
def reshape(x, d):
# 用于修改张量形状
input_shape = x.size()
x = x.view(
input_shape[0],
int(d),
int(float(input_shape[1] * input_shape[2]) / float(d)),
input_shape[3]
)
return x
def forward(self, base_feat, im_info, gt_boxes, num_boxes):
# 输入数据的第一维是batch数
batch_size = base_feat.size(0)
# 首先利用3×3卷积进一步融合特征
rpn_conv1 = F.relu(self.RPN_Conv(base_feat), inplace=True)
# 利用1×1卷积得到分类网络,每个点代表anchor的前景背景得分
rpn_cls_score = self.RPN_cls_score(rpn_conv1)
# 利用reshape与softmax得到anchor的前景背景概率
rpn_cls_score_reshape = self.reshape(rpn_cls_score, 2)
rpn_cls_prob_reshape = F.softmax(rpn_cls_score_reshape, 1)
rpn_cls_prob = self.reshape(rpn_cls_prob_reshape, self.nc_score_out)
# 利用1×1卷积得到回归网络,每一个点代表anchor的偏移
rpn_bbox_pred = self.RPN_bbox_pred(rpn_conv1)
# 区域生成模块
cfg_key = 'TRAIN' if self.training else 'TEST'
rois = self.RPN_proposal((rpn_cls_prob.data, rpn_bbox_pred.data,
im_info, cfg_key))
self.rpn_loss_cls = 0
self.rpn_loss_box = 0
# 生成RPN训练时的标签和计算RPN的loss
if self.training:
assert gt_boxes is not None
# 生成训练标签
rpn_data = self.RPN_anchor_target((rpn_cls_score.data, gt_boxes, im_info, num_boxes))
# 计算分类损失
rpn_cls_score = rpn_cls_score_reshape.permute(0, 2, 3, 1).contiguous().view(batch_size, -1, 2)
rpn_label = rpn_data[0].view(batch_size, -1)
rpn_keep = rpn_label.view(-1).ne(-1).nonzero().view(-1)
rpn_cls_score = torch.index_select(rpn_cls_score.view(-1,2), 0, rpn_keep)
rpn_label = torch.index_select(rpn_label.view(-1), 0, rpn_keep.data)
rpn_label = rpn_label.long()
# 先对scores进行筛选得到256个样本的得分,随后进行交叉熵求解
self.rpn_loss_cls = F.cross_entropy(rpn_cls_score, rpn_label)
fg_cnt = torch.sum(rpn_label.data.ne(0))
rpn_bbox_targets, rpn_bbox_inside_weights, rpn_bbox_outside_weights = rpn_data[1:]
# 利用smoothl1损失函数进行loss计算
self.rpn_loss_box = _smooth_l1_loss(rpn_bbox_pred, rpn_bbox_targets, rpn_bbox_inside_weights,
rpn_bbox_outside_weights, sigma=3, dim=[1,2,3])
return rois, self.rpn_loss_cls, self.rpn_loss_box