[科普中國(guó)]-排斥損失

排斥損失(Repulsion Loss)用于解決密集人群檢測(cè)中人與人之間存在大量遮擋以致難以準(zhǔn)確定位人群中單個(gè)人的問(wèn)題。排斥損失由吸引項(xiàng)和排斥項(xiàng)構(gòu)成，其中，吸引項(xiàng)用于縮小預(yù)測(cè)框與其指定目標(biāo)之間差距，排斥項(xiàng)用于增大預(yù)測(cè)框與周?chē)悄繕?biāo)物體之間的距離。

設(shè)計(jì)思想因?yàn)樵诂F(xiàn)實(shí)場(chǎng)景中行人經(jīng)常聚集成群、相互遮擋，因此，檢測(cè)人群中的行人依然是一個(gè)充滿挑戰(zhàn)性的問(wèn)題。一般而言，物體遮擋問(wèn)題可以分為類(lèi)內(nèi)遮擋和類(lèi)間遮擋兩種情況。類(lèi)間遮擋產(chǎn)生于扎堆的同類(lèi)物體，也被稱(chēng)為密集遮擋（crowd occlusion）。在行人檢測(cè)中，密集遮擋在所有遮擋問(wèn)題中占比最大，嚴(yán)重影響著行人檢測(cè)器的性能。1

密集遮擋顯著增加了行人定位的難度。如圖1，當(dāng)目標(biāo)行人 T 被行人 B 遮擋之時(shí)，由于兩者外觀特征相似，檢測(cè)器很可能無(wú)法進(jìn)行定位。從而本應(yīng)該框定 T 的邊界框轉(zhuǎn)而框定 B，導(dǎo)致定位不準(zhǔn)確。更糟糕的是，由于非極大值抑制（non-maximum suppression，NMS）需要進(jìn)一步處理主要的檢測(cè)結(jié)果，從 T 移走的邊界框可能會(huì)被 B 的預(yù)測(cè)框抑制，進(jìn)而造成 T 漏檢。即人群遮擋使得檢測(cè)器對(duì)非極大值抑制(NMS)閾值很敏感：較高的閾值會(huì)帶來(lái)更多的誤檢（false positives），較低的閾值則造成更多的漏檢（missed detection）。這會(huì)讓大多數(shù)實(shí)例分割框架失效，因?yàn)樗鼈円残枰_的檢測(cè)結(jié)果。因此，如何精確地定位人群之中的每個(gè)行人是檢測(cè)器最為關(guān)鍵的問(wèn)題之一。

在當(dāng)前最優(yōu)的檢測(cè)框架中，邊界框回歸技術(shù)常用來(lái)定位物體，其中回歸器被訓(xùn)練用來(lái)縮小候選區(qū)域提議和真值框之間的差距。盡管如此，現(xiàn)有方法只需要候選區(qū)域提議接近其指定目標(biāo)，并不考慮周遭的物體。如圖 1 所示，在標(biāo)準(zhǔn)的邊界框回歸損失中，當(dāng)預(yù)測(cè)框移向周遭物體時(shí)，對(duì)其并沒(méi)有額外的懲罰。這不免使人設(shè)想：如果要檢測(cè)人群之中的一個(gè)目標(biāo)，是否應(yīng)該考慮其周遭物體的定位？

在磁極相互排斥吸引的啟發(fā)下，wang等1提出一種全新的定位技術(shù)，稱(chēng)之為 Repulsion Loss（RepLoss），通過(guò)它，每一個(gè)候選區(qū)域提議不僅會(huì)靠近其指定目標(biāo) T，還會(huì)遠(yuǎn)離其它真值框物體以及指定目標(biāo)不是 T 的其他 候選區(qū)域提議。如圖 1 所示，由于與周遭的非目標(biāo)物體重疊，紅色邊界框移向 B 將受到額外的懲罰。因此，RepLoss 可以有效防止預(yù)測(cè)邊界框移向相鄰的重疊物體，提升檢測(cè)器在人群場(chǎng)景中的魯棒性。

RepLoss 計(jì)算方法RepLoss 包括 3 個(gè)組件，表示為：

其中， 是吸引項(xiàng)，需要預(yù)測(cè)框靠近其指定目標(biāo)； 和 是排斥項(xiàng)，分別需要預(yù)測(cè)框遠(yuǎn)離周遭其他的 groundtruth 物體和其他指定目標(biāo)不同的預(yù)測(cè)框。系數(shù)α和 β 充當(dāng)權(quán)重以平衡輔助損失。

為簡(jiǎn)明起見(jiàn)，下面僅考慮兩類(lèi)檢測(cè)，假定所有的真值框物體屬于同一類(lèi)別。分別使 和 為候選區(qū)域提議邊界框和真值邊界框，并分別由它們的左上點(diǎn)坐標(biāo)及其高度、寬度表示。 是所有正候選區(qū)域提議的集合（那些和至少一個(gè)真值框有高 IoU 的被視為正樣本，反之為負(fù)樣本）； 是一張圖片中所有真值框的集合。1

吸引項(xiàng)給定一個(gè)候選區(qū)域提議 ，把具有極大值 IoU 的 groundtruth box 作為其指定目標(biāo)： 。由此吸引損失可計(jì)算為：

排斥項(xiàng)（RepGT）RepGT 損失旨在使候選區(qū)域提議受到相鄰的非目標(biāo) groundtruth 物體的排斥。給定一個(gè)候選區(qū)域提議，它的排斥 groundtruth 物體被定義為除了其指定目標(biāo)之外帶有最大 IoU 區(qū)域的 groundtruth 物體。受 IoU 損失的啟發(fā)，RepGT 損失被計(jì)算以懲罰 P和之間的重疊。從而 ，RepGT 損失可寫(xiě)為：

其中，，，

候選區(qū)域提議越傾向于與非目標(biāo)groundtruth 物體重疊，RepGT 損失對(duì)邊界框回歸器的懲罰就越大，從而有效防止邊界框移向相鄰的非目標(biāo)物體。1

排斥項(xiàng)（RepBox）NMS 是絕大多數(shù)檢測(cè)框架中不可或缺的后處理步驟，為降低檢測(cè)器對(duì) NMS 的敏感度，Wang等1接著提出 RepBox 損失，排斥來(lái)自不同指定目標(biāo)的 proposal。RepBox 損失可計(jì)算為：

從上式可以看到，為最小化 RepBox 損失，指定目標(biāo)不同的兩個(gè)預(yù)測(cè)框之間的 IoU 區(qū)域需要較小。這意味著 RepBox 損失可以降低 NMS 之后不同回歸目標(biāo)的邊界框合并為一的概率，使得檢測(cè)器在密集場(chǎng)景中更魯棒。1

本詞條內(nèi)容貢獻(xiàn)者為:

李嘉騫 - 博士 - 同濟(jì)大學(xué)