OWOD：开放世界目标检测，更贴近现实的检测场景

不同于以往在固定数据集上测试性能，论文提出了一个更符合实际的全新检测场景Open World Object Detection，需要同时识别出未知类别和已知类别，并不断地进行增量学习。论文还给出了ORE解决方案，通过对比聚类和基于能量的分类器来进行开放开放世界的检测训练来源：晓飞的算法工程笔记公众号

论文: Towards Open World Object Detection

论文地址：https://arxiv.org/abs/2103.02603
论文代码：https://github.com/JosephKJ/OWOD

Introduction

常见的目标检测算法都针对特定的数据集进行训练，学习固定数量的类别，用于特定的场景。而论文则讨论一个更现实的场景，开放世界目标检测(Open World Object Detection)。在这个场景中，算法需要解决非目标误识别问题以及具备增量学习的能力。

将检测模型应用到开放世界中，除了识别指定类别的目标，还要将非目标类别区别为Unknow，称为Open Set Learning，这需要很强的泛化能力。而Open World Object Detection场景的要求会比Open Set Learning更进一步，当Unknow样本足够时，可随时将Unknow样本打上标签加入到目标类别中，即增量学习。这样的场景设定更为现实，更有助于算法落地，比如机器人、自动驾驶以及监控等需要在运行中不断进行优化的应用。论文的主要贡献如下：

定义了Open World Object Detection问题，更贴近现实生活。
提出ORE算法，基于对比聚类(contrastive clustering)、可框出未知类别的检测网络(unknown-aware proposal network)、能量分类器(energy based unknown identification)来解决Open World Object Detection上的问题。
设计了完备的实验，用于衡量算法在Open World Object Detection上的性能。
作为论文的副产品，ORE在增量学习任务上达到了SOTA，而且还有很大的提升空间。

Open World Object Detection

首先定义Open World Object Detection的环境，在时刻，已知的目标类别为，其中为所有正整数，未知的类别为。的训练集为，和分别为图片和标注信息，其中每张图片的包含了多个目标实例，每个实例都有其标签和位置信息。在Open World Object Detection的设定中，模型用于检测所有的个已知类别，同时可以将为未知的目标标记为未知(0)，未知的实例集合经过专人筛选后得出个样本足够的新类别，然后通过增量学习地获取模型，已知类别更新为。不停地循环执行上述的步骤，模型就可以不停地迭代其类别。

ORE: Open World Object Detector

Open World Object Detection的关键在于能够无监督地识别未知类别，以及加入新类别时不会遗忘先前的类别。为了解决上述问题，论文提出了ORE解决方案。

图2为ORE的高层抽象，以两阶段检测器Faster R-CNN作为基础检测器。在第一阶段，检测器可通过类不可知的RPN给出可能存在物体的所有区域，而在第二阶段，将上述的每个区域进行分类和位置调整。为了更好的适应Open World Object Detection，ORE对RPN和分类器都进行了相应的改进，适应自动打标签和识别未知类的需求。

Contrastive Clustering

将Open World中区分未知类问题转化为对比聚类问题是个不错的选择，在特征空间上进行类别分割，同类别的实例会尽量的靠近，而不相似的类别则会尽量的远离。对于每个已知类，维护一个原型向量，假设为类别的中间层特征，对应图2的ROI Head中的蓝色2048维特征，定义对比损失为：

为距离函数，为相似阈值，不同类别实例间的距离要大于该阈值。在训练时，通过最小化对比损失来保证特征空间上的类别分割。需要注意的是，对比聚类的关键步骤是维护各类别的原型向量集合，一般取该类别的特征向量的均值。但由于整个网络是端到端训练的，特征向量也在不断地变化，原型向量也会跟着不断变化。为了适应这个特性，ORE为每个类维护了一个固定大小的特征队列，用来存储最新的特征向量。

对比损失的计算过程如算法1所示，为了保证原型向量有相对的准确性，仅当超过一定迭代次数之后才开始计算损失值，之后每次迭代就以动量的形式更新一次原型向量。这样可以避免原型向量变化过大的问题，得到的损失值添加到检测损失值中进行端到端的学习。

Auto-labelling Unknowns with RPN

在对比聚类中，未知类别也有其对应的原型向量，按正常的流程，需要对图片中的所有未知类别进行标注，以便归类特征，显然这是不现实的。所以论文采用RPN的预测框输出作为一个未知目标标注的折衷选择，将预测框中objectness分数高且与GT无重叠的top-K部分直接归类为未知目标，将其特征加入到未知列表的特征队列中。

Energy Based Unknown Identifier

由于Opern World Detection场景包含未知类别的特性，传统的softmax分类器可能会给出不可控的结果，所以论文采用了基于能量的分类器(EBM)，能够学习输入特征与标签之间的匹配程度，用来识别未知目标。给定特征与标签，学习一个能量函数，能够通过得到一个能用于描述特征与标签之间的匹配程度的标量(即能量)。这里，论文采用了Helmholtz free energy公式计算所有标签的结果之和：

是温度参数。通过Gibbs分布，可以将各标签的能量转化成类似softmax那样的效果：

为标签的概率密度函数，为分类头的第个分类单元。根据公式3的对应关系，论文得到了用于分类模型的free energy公式：

由于ORE用了对比聚类对特征进行分割，已知类别的能量值和未知类别的能量值也有明显的差别。对已知类别和未知类别的能量值分布进行shifted Weibull distributions建模，得到和，如图3所示。当时，可认为该目标属于未知类别。

Alleviating Forgetting

在对识别出来的未知目标进行标注后，得到了新的数据集，如果将所有数据集混合重新训练会很耗时且不够灵活，所以只能使用新数据集进行增量学习，这就需要解决新类别训练对旧类别识别效果的影响。论文参照了增量学习的SOTA方法，使用简单的样本回放策略来保证旧类别的效果，先构造一个小的样本集(exemplar set)，包含每个类别的个样本，每次使用全量新数据集进行增量学习后，都使用小样本集进行一次finetune训练，这样就能很好地保证旧类别的效果而且不耗时。

Experiment

Open World Evaluation Protocol

由于是一个全新的任务场景，论文也对实验进行了一些描述。

Data split

将所有类别分成多个任务，具体的类别来源如表1所示。在特定的时间将特定的任务投放到场景中，类别作为已知类别，而类别则作为未知类别。

Evaluation metrics

由于未知目标容易识别成已知类别，使用Wilderness Impact(WI)指标来衡量这种表现：

为在已知类别的验证集上的准确率，为在已知类别和未知类别的验证集上的准确率，上述的准确率都是在0.8召回率下对应的值。理想情况下，WI的值越小越好，表明未知类别对准确率的干扰很少。此外，还使用Absolute Open-Set Error(A-OSE)来表示未知类别识别成已知类别的绝对数量，再加上目标检测常用的map指标。