(Few-shot Detection)Review: Fews-shot Object Detection Feature Reweighting

Ref

• feature reweighting pytorch Implement

1. 提出研究的问题

对于few-shot分类而言，可以采用学习prototype的方式学习一个中心，但是如果用于目标检测，很难匹配和定位一个物体。因为在图像中会有很多的干扰因素和非目标物体。

2. 提出方案

• Feature Extractor module

  Feature Extractor从 query images中提取meta features ，表示为$F \in R^{w*h*m}$F∈Rw∗h∗m

  文章中的的Extractor是采用YOLO v2的darknet, 用$D(I)$D(I)表示；

• Reweighting Module d从support set中提取全局信息并embeded成reweighting coefficient，表示为$\omega (i) \in R^m$ω(i)∈Rm ；

  文章中reweighting是简单的几层网络层，用$M(I_i,M_i)$M(Ii​,Mi​)表示，下图右下角$I_i$Ii​表示图像，$M_i$Mi​表示mask；

• Prediction Module

  跟YOLO v2相似，预测的值增加one-versus-all classification score $c_i$ci​表示对应目标属于类别i的概率；

  总共预测六个值：$\{o_i,x_i,y_i,h_i,w_i,c_i\} = p(F_i) i= 1,...,N${oi​,xi​,yi​,hi​,wi​,ci​}=p(Fi​)i=1,...,N ;

• 为什么有检测新目标的能力？ https://github.com/bingykang/Fewshot_Detection

  根据paper的损失函数：

  

  

  

  我认为base training过程主要是训练base -> novel的能力和localization的能力；

  而在few-shot fine-tuning更像是pretrained模型通过support sets预训练fine-tune的过程，当然两者的数据集不能有交集。

3. 总结

模型其实是做一种Transfer Learning的思想，与原来detection不同的是，训练方式不同，数据组成的方式不同。

数据分为base classes和novel classes，对于每一个task或者episode，包含Support sets和Query sets两部分，

网络模型和损失函数上述2.提出方案所示；

整个学习过程分为两个阶段：

• base training phase

  在此阶段，仍采用base classes进行episode的方式训练，目的是让模型学会通过reweighting vector找到感兴趣的区域；

• few-shot fine-tuning

  在此阶段，训练数据包括base classes和novel classes，对于novel classes来说，只有k个标注的bounding boxes，对于base classes的数据，也有k个bounding boxes，训练过程和第一阶段相同。support images和boundingbox的数据从base classes和novel classes的数据中随机选取，进行fine-tune；

4. 实验结果

• 分析结果

  

  表明作者提出的few-shot模型在速度和性能上都能超过原来的YOLO v2模型；

• Which layer output features to reweight

  

• Loss functions

  

• Input form of reweighting module

  

这么多的对比实验，实践出真知啊。