序文

前回のブログ投稿で紹介しましたがFocal Loss、原理は比較的単純なので、理解できない場合は、前のブログ投稿にジャンプして学習してください。焦点損失の概要。このブログ投稿のソースを見てみましょうFocal Loss: Focal Loss for Dense Object DetectionRetainNet 、この論文はone-stageネットワークを超えたネットワークを提案していますtwo-stage。

1. RetainNetネットワーク

まずパフォーマンスを見てみましょう。ネットワークよりもRetainNetはるかに優れていることがわかります。もう一度ネットワーク構造を見てみましょう :同様の構造も採用されていることがわかりますが、主に 3 つの違いがあります。知らない方は、以前のブログ投稿 ( FPN ネットワークの紹介)にジャンプしてください。 :Faster R-CNN
ここに画像の説明を挿入
RetainNet

RetainNetFPNFPN

FPNC2ビルドが使用されるかP2、ビルドがRetainNet使用されないか。論文ではその理由として、より多くのコンピューティングリソースが計算されるためとしている。4 つの低レベルの機能があるため、解像度は比較的高くなります。C2P2C2C2

FPNinP6は最大スケールダウンサンプリング層によってダウンサンプリングされ、RetainNet は畳み込み層によってダウンサンプリングされます。

FPNこれはからP2-P6、RetainNet はからP3-P7、活性化関数 U に基づいてP7おり、畳み込みによって取得されます。P6ReL

ではFPN、各予測フィーチャレイヤーは 1scaleと 3のみを使用しratios、RetainNet の各予測フィーチャレイヤーは 3scaleと 3を使用しますratios。と次の表をRetainNet参照してください。scaleratios如

レイヤー	ストライド	アンカーサイズ	アンカーアスペクト比	生成されたアンカーの数 (3 を掛けると 3 つの比率を意味します)
P2	4(2 ⁽ ^)2)	32	0.5、1、2	(1024//4) ⁽ ^)2×3=196608
P3	8(2 ⁽ ^)3)	64	0.5、1、2	(1024//8) ⁽ ^)2xx3=49152
P4	16(2 ⁽ ^)4)	128	0.5、1、2	(1024//16)^^2xx3=12288
P5	32(2 ⁽ ^)5)	256	0.5、1、2	(1024//32) ⁽ ^)2xx3=3072
P6	64(2 ⁽ ^)6)	512	0.5、1、2	(1024//64) ⁽ ^)2×3=768

RetainNet の予測子部分をもう一度見てみましょう。
ここに画像の説明を挿入
予測子は 2 つの分岐に分かれており、1 つはカテゴリを予測し、もう 1 つはターゲット境界ボックス回帰パラメーターです。最終出力 K は検出対象（背景を除く）のカテゴリ数、A はanchor各予測特徴層の数を表します。FasterRCNN中央では、予測レイヤーについて、それぞれがカテゴリanchorごとに境界ボックス回帰パラメーターのセットを生成します。これは、ここでの予測とはわずかに異なり、ここでも同じですSSD。現在、サンプルは基本的にこのカテゴリでは利用できません。既知の予測方法では、ネットワークトレーニングパラメータを削減できます。

2. 損失の計算

まず、anchor事前にマークされた GT ごとに照合、つまり計算を実行します。iouルールは次のとおりです。

如果 $私はあなたです >= 0.5$ 、陽性サンプルとしてマーク
$私はあなたです <= 0.4$ 、陰性サンプルとしてマークされています
$\in[0.4, 0.5)$ 、破棄

合計損失では、次のように分類損失と回帰損失が引き続き使用されます。
$\text { Loss } =\frac{1}{N_{POS}} \sum_i L_ { cls}^i+\frac{1}{N_{POS}} \sum_j L_{reg}^j$

$L_{cls}$ : シグモイド焦点損失については、前回のブログ投稿で紹介しました。理解できない場合は、戻って参照してください:焦点損失の概要。

$L_{reg}$ ：L1ロス

$i$ : すべての正および負のサンプル

$j$ : すべての陽性サンプル

$N_{位置}$ : 陽性サンプルの数

以上、RetainNetネットワークについての紹介でしたが、間違いがあればご指摘ください！

RetinaNetネットワークの紹介

序文

1. RetainNetネットワーク

2. 損失の計算

おすすめ