论文地址：https://arxiv.org/abs/2005.11552.pdf
代码地址：https://github.com/LongChenCV/SWIPENet
近年来，基于深度学习的方法在标准的目标检测中取得了可喜的性能。水下目标检测仍具有以下几点挑战：（1）水下场景的实际应用中目标通常很小，含有大量的小目标；（2）水下数据集和实际应用中的图像通常是模糊的，图像中具有异构的噪声。
为了解决小目标检测和噪声这两个问题，本文首先提出了一种新颖的神经网络架构，即用于小物体检测的样本加权混合网络（SWIPENet）。SWIPENet由高分辨率和语义丰富的超特征图组成，可以显着提高小物体检测的准确性。此外，提出了一种新的样本加权损失函数，该函数可以为SWIPENet建模样本权重，它使用一种新颖的样本重新加权（Sample re-weighting）算法，即Invert Multi-Class Invert Adaboost（IMA），以减少噪声对提出的SWIPENet的影响。
在两个水下机器人拾取竞赛数据集URPC2017和URPC2018进行的实验表明，与几种最先进的目标检测方法相比，本文提出的SWIPENet IMA框架在检测精度上取得了较好的性能。
简介
水下目标检测旨在对水下场景中的物体进行定位和识别。这项研究由于在海洋学、水下导航等领域的广泛应用而引起了持续的关注。但是，由于复杂的水下环境和光照条件，这仍然是一项艰巨的任务。
基于深度学习的物体检测系统已在各种应用中表现出较好的性能，但在处理水下目标检测方面仍然感到不足，主要有原因是：可用的水下目标检测数据集稀少，实际应用中的水下场景的图像杂乱无章，并且水下环境中的目标物体通常很小，而当前基于深度学习的目标检测器通常无法有效地检测小物体，或者对小目标物体的检测性能较差。同时，在水下场景中，与波长有关的吸收和散射问题大大降低了水下图像的质量，从而导致了可见度损失，弱对比度和颜色变化等问题。
本文提出的方法：SWIPENet
卷积神经网络的下采样的使用能够带来强大的语义信息，从而导致许多分类任务的成功。然而，下采样操作对于目标检测任务来说是不够的，目标检测任务不仅需要识别物体的类别，而且还需要在空间上定位其位置。在应用了几次下采样操作之后会导致特征图的空间分辨率太粗糙，从而无法处理小物体的检测。
在本文中，提出了SWIPENet网络结构，该网络充分利用了受DSSD启发的几种高分辨率和语义丰富的Hyper 特征图。
先来介绍一下DSSD网络。
SSD利用了感受野与分辨率不同的6个特征图进行后续分类与回归网络的计算，DSSD保留了这6个特征图，但对这6个特征图进一步进行了融合处理，然后将融合后的结果送入后续分类与回归网络，如下图所示。具体做法是，将最深层的特征图直接用作分类与回归，接着，该特征经过一个反卷积模块，并与更浅一层的特征进行逐元素相乘，将输出的特征用于分类与回归计算。类似地，继续将该特征与浅层特征进行反卷积与融合，共计输出6个融合后的特征图，形成一个沙漏式的结构，最后给分类与回归网络做预测。
DSSD具体的反卷积模块如下图所示。这里深特征图的大小是H×W×512，浅特征图的大小为2H×2W×D。深特征图经过反卷积后尺寸与浅特征图相同，再经过一些卷积、ReLU与BN操作后，两者进行逐元素的相乘，最后经过一个ReLU模块，得到最终需要的特征图。
在得到特征图后，DSSD也改进了分类与回归的预测模块。SSD的预测模块是直接使用3×3卷积，而DSSD则对比了多种方法，最终选择了下图所示的计算方式，包含了一个残差单元，主路和旁路进行逐元素相加，然后再接到分类与回归的预测模块中。
可以看出，DSSD通过多个上采样反卷积层增强了SSD目标检测框架，以提高特征图的分辨率。在DSSD体系结构中，首先，构造多个下采样卷积层以提取有利于对象分类的高语义特征图。经过几次下采样操作后，特征图太粗糙而无法提供足够的信息来进行精确的小对象定位，因此，添加了多个上采样反卷积层和skip connection来恢复特征图的高分辨率。但是，即使恢复了分辨率，下采样操作丢失的详细信息也无法完全恢复。
为了改进DSSD，本文所提出的SWIPENet网络使用空洞卷积层来获得强语义信息，而不会丢失支持对象定位的详细信息。图2说明了提出的SWIPENet的基本结构，它由多个基本卷积块（红色），空洞卷积块（绿色），反卷积块（蓝色）和新的样本加权损失（灰色）组成。
SWIPENet的主干网络采用的标准VGG16模型（在Conv53layer上被截断）。与DSSD不同的是，在网络上添加了四个具有ReLU激活的空洞卷积层，可以在不牺牲特征图分辨率的情况下获得较大的感受野（较大的感受野会带来强语义信息）。同时，skip connection将低层的精细细节传递给高层特征图。最后，在反卷积层上构造了多个Hyper Feature Map。SWIPENet的分类和回归预测模块上部署了三个不同的反卷积层，即Deconv12，Deconv22和Deconv32（在图2中表示为Deconvx2），它们的大小逐渐增加并预测多个尺度的对象。在三个反卷积层中定义了6个默认框和相对于原始默认框形状的4个坐标偏移，并使用3×3卷积产生C 1类别的分数（C表示类别的数量，1指示背景类）。
Sample-weighting loss
本文提出了一种新颖的样本加权损失函数，可以在SWIPENeT中对样本权重进行建模。样本加权损失使SWIPENet可以专注于学习高权重样本，而忽略低权重样本。它能够与新颖的样本加权算法Invert Multi-Class Invert Adaboost配合使用，通过减少权重来减少可能的噪声对SWIPENet的影响。
样本加权损失L由用于边界框分类的损失Lcls和用于边界框回归的损失Lreg组成，Lcls使用softmax损失函数而Lreg使用L1平滑损失实现。
样本权重通过调整反向传播中使用的参数的梯度来影响SWIPENet的特征学习。
通过使用样本权重损失，使得SWIPENeT的特征学习主要由高权重样本决定，而低权重样本的特征学习则被忽略。
样本重加权可用于解决嘈杂的数据问题。它通常为每个样本分配一个权重，然后优化样本加权的训练损失。
Invert Multi-Class Invert Adaboost（IMA）
SWIPENet可能会丢失或错误地检测到训练集中的某些对象，这些目标对象可能被视为噪声数据。这是因为含有噪声的数据非常模糊，并且与背景相似，因此容易被忽略或检测为背景。如果我们使用这些嘈杂的数据训练SWIPENet，则性能可能会受到影响， SWIPENet无法将背景与物体区分开来。图3显示了示例测试图像及其通过SWIPENet的不正确检测。
为了解决这个问题，受文章《Inverse boosting pruning trees for depression detection on Twitter》（https://arxiv.org/abs/1906.00398）的启发提出一种IMA算法，以减少不确定对象的权重，以提高SWIPENet的检测精度。
IMA算法首先顺序训练多个基本分类器，并根据其错误率Em分配权重值α。然后，将由前面的分类器分类错误的样本分配较高的权重，从而使后面的分类器专注于学习这些样本。最后，将所有弱基础分类器组合在一起，形成具有相应权重的整体分类器。IMA还训练了M次SWIPENet，然后将它们整合为一个统一模型。不同的是，在每次训练迭代中，IMA都会减少丢失对象的权重，以减少这些“干扰”样本的影响。
IMA算法同时定义了一个线性映射函数将IMA权重映射到样本加权损失中使用的权重。
实验结果
更多细节可以参考论文原文
