machine-learning - 减少误报的最佳策略 : Google's new Object Detection API on Satellite Imagery

Question

我正在设置新的 Tensorflow Object Detection API在大面积的卫星图像中寻找小物体。它工作得很好 - 它找到了我想要的所有 10 个对象，但我也得到了 50-100 个误报 [看起来有点像目标对象，但事实并非如此]。

我正在使用sample config来自'pets' tutorial ，微调他们提供的 faster_rcnn_resnet101_coco 模型。我从小规模开始，只有 100 个对象的训练示例(仅 1 个类)。我的验证集中有 50 个示例。每个示例都是一个 200x200 像素图像，中心有一个标记对象 (~40x40)。我训练直到我的精度和损失曲线达到稳定水平。

我对使用深度学习进行对象检测还比较陌生。提高精确度的最佳策略是什么？例如硬负挖矿？增加我的训练数据集大小？我还没有尝试过他们提供的最准确的模型 faster_rcnn_inception_resnet_v2_atrous_coco，因为我想保持一定的速度，但如果需要的话我会这样做。

硬阴性挖掘似乎是一个合乎逻辑的步骤。如果您同意，我如何实现它并为我的训练数据集设置 tfrecord 文件？假设我为 50-100 个误报中的每一个制作了 200x200 的图像:

• 我是否为每个文件创建“注释”xml 文件，而不包含“对象”元素？
• ...或者我应该将这些硬底片标记为二等吗？
• 如果我的训练集中有 100 个阴性对 100 个阳性 - 这是一个健康的比例吗？我可以包含多少个底片？

Answer 1

我最近在工作中重新审视了这个主题，并认为我会为将来访问的任何人更新我当前的学习内容。

该主题出现在 Tensorflow's Models repo issue tracker 。 SSD 允许您设置要挖掘的负例与正例的比例 (max_males_per_positive: 3)，但您也可以为没有正例的图像设置最小数量 (min_males_per_image: 3)。这两个都在 model-ssd-loss 配置部分中定义。

也就是说，我在 Faster-RCNN 的模型配置中没有看到相同的选项。问题中提到 models/research/object_detection/core/balanced_positive_negative_sampler.py 包含用于 Faster-RCNN 的代码。

本期讨论的另一个选项是专门为相似者创建第二个类。在训练期间，模型将尝试学习类别差异，这将有助于实现您的目的。

最后，我发现了这个article关于滤波器放大器网络 (FAN) 的信息可能会为您的航空图像工作提供信息。

================================================== ===================

以下论文描述了与您描述的相同目的的硬负挖掘: Training Region-based Object Detectors with Online Hard Example Mining

在第 3.1 节中，他们描述了使用前台和后台类:

Background RoIs. A region is labeled background (bg) if its maximum IoU with ground truth is in the interval [bg lo, 0.5). A lower threshold of bg lo = 0.1 is used by both FRCN and SPPnet, and is hypothesized in [14] to crudely approximate hard negative mining; the assumption is that regions with some overlap with the ground truth are more likely to be the confusing or hard ones. We show in Section 5.4 that although this heuristic helps convergence and detection accuracy, it is suboptimal because it ignores some infrequent, but important, difficult background regions. Our method removes the bg lo threshold.

事实上这篇论文被引用，其思想被用在Tensorflow的对象检测loss.py代码中进行硬挖掘:

class HardExampleMiner(object):
"""Hard example mining for regions in a list of images.
Implements hard example mining to select a subset of regions to be
back-propagated. For each image, selects the regions with highest losses,
subject to the condition that a newly selected region cannot have
an IOU > iou_threshold with any of the previously selected regions.
This can be achieved by re-using a greedy non-maximum suppression algorithm.
A constraint on the number of negatives mined per positive region can also be
enforced.
Reference papers: "Training Region-based Object Detectors with Online
Hard Example Mining" (CVPR 2016) by Srivastava et al., and
"SSD: Single Shot MultiBox Detector" (ECCV 2016) by Liu et al.
"""

根据您的模型配置文件，HardMinerObject 由如下代码中的loss_builder.py 返回:

def build_hard_example_miner(config,
                            classification_weight,
                            localization_weight):
"""Builds hard example miner based on the config.
Args:
    config: A losses_pb2.HardExampleMiner object.
    classification_weight: Classification loss weight.
    localization_weight: Localization loss weight.
Returns:
    Hard example miner.
"""
loss_type = None
if config.loss_type == losses_pb2.HardExampleMiner.BOTH:
    loss_type = 'both'
if config.loss_type == losses_pb2.HardExampleMiner.CLASSIFICATION:
    loss_type = 'cls'
if config.loss_type == losses_pb2.HardExampleMiner.LOCALIZATION:
    loss_type = 'loc'

max_negatives_per_positive = None
num_hard_examples = None
if config.max_negatives_per_positive > 0:
    max_negatives_per_positive = config.max_negatives_per_positive
if config.num_hard_examples > 0:
    num_hard_examples = config.num_hard_examples
hard_example_miner = losses.HardExampleMiner(
    num_hard_examples=num_hard_examples,
    iou_threshold=config.iou_threshold,
    loss_type=loss_type,
    cls_loss_weight=classification_weight,
    loc_loss_weight=localization_weight,
    max_negatives_per_positive=max_negatives_per_positive,
    min_negatives_per_image=config.min_negatives_per_image)
return hard_example_miner

由 model_builder.py 返回并由 train.py 调用。所以基本上，在我看来，简单地生成真正的正标签(使用 LabelImg 或 RectLabel 之类的工具)应该足以让训练算法在同一图像中找到硬底片。相关问题给出了一个很好的walkthrough .

如果您想要输入没有真正阳性的数据(即图像中不应对任何内容进行分类)，只需将阴性图像添加到没有边界框的 tfrecord 中即可。