CenterNet中主要提供了三個骨幹網絡ResNet-18(ResNet-101), DLA-34, Hourglass-104,本文從結構和代碼先對hourglass進行講解。
本文對應代碼位置在:https://github.com/pprp/SimpleCVReproduction/tree/master/Simple_CenterNet
1. Ground Truth Heatmap
在開始講解骨幹網絡之前,先提一下上一篇文章中有朋友問我的問題:CenterNet為什麼要沿用CornerNet的半徑計算方式?
查詢了CenterNet論文還有官方實作的issue,其實沒有明确指出為何要用CornerNet的半徑,issue中回複也說是這是沿用了CornerNet的祖傳代碼。經過和@tangsipeng的讨論,讨論結果如下:
以下代碼是涉及到半徑計算的部分:
# 根據一進制二次方程計算出最小的半徑
radius = max(0, int(gaussian_radius((math.ceil(h), math.ceil(w)), self.gaussian_iou)))
# 得到高斯分布
draw_umich_gaussian(hmap[label], obj_c_int, radius)
在centerNet中,半徑的存在主要是用于計算高斯分布的sigma值,而這個值也是一個經驗性判定結果。
def draw_umich_gaussian(heatmap, center, radius, k=1):
# 得到直徑
diameter = 2 * radius + 1
gaussian = gaussian2D((diameter, diameter), sigma=diameter / 6)
# 一個圓對應内切正方形的高斯分布
x, y = int(center[0]), int(center[1])
height, width = heatmap.shape[0:2]
# 對邊界進行限制,防止越界
left, right = min(x, radius), min(width - x, radius + 1)
top, bottom = min(y, radius), min(height - y, radius + 1)
# 選擇對應區域
masked_heatmap = heatmap[y - top:y + bottom, x - left:x + right]
# 将高斯分布結果限制在邊界内
masked_gaussian = gaussian[radius - top:radius + bottom,
radius - left:radius + right]
if min(masked_gaussian.shape) > 0 and min(masked_heatmap.shape) > 0:
np.maximum(masked_heatmap, masked_gaussian * k, out=masked_heatmap)
# 将高斯分布覆寫到heatmap上,相當于不斷的在heatmap基礎上添加關鍵點的高斯,
# 即同一種類型的框會在一個heatmap某一個類别通道上面上面不斷添加。
# 最終通過函數總體的for循環,相當于不斷将目标畫到heatmap
return heatmap
合理推測一下(不喜勿噴),之前很多人在知乎上issue裡讨論這個半徑計算的時候,有提到這樣的問題,就是如果将CenterNet對應的2a改正确了,反而效果會差。
我覺得這個問題可能和這裡的
sigma=diameter / 6
有一定的關系,作者當時用祖傳代碼(2a那部分有錯)進行調參,然後确定了sigma。這時這個sigma就和祖傳代碼是對應的,如果修改了祖傳代碼,同樣也需要改一下sigma或者調一下參數。
tangsipeng同學分享的文章《Training-Time-Friendly Network for Real-Time Object Detection》對應計算高斯核sigma部分就沒有用cornernet的祖傳代碼,對應代碼可以發現,這裡的sigma是一個和h,w相關的超參數,也是手工挑選的。
綜上,目前暫時認為CenterNet直接沿用CornerNet的祖傳代碼沒有官方的解釋,我們也暫時沒有想到解釋。如果對這個問題有研究的同學歡迎聯系筆者。
1. Hourglass
Hourglass網絡結構最初是在ECCV2016的Stacked hourglass networks for human pose estimation文章中提出的,用于人體姿态估計。Stacked Hourglass就是把多個漏鬥形狀的網絡級聯起來,可以擷取多尺度的資訊。
Hourglass的設計比較有層次,通過各個子產品的有規律組合成完整網絡。
1.1 最底層:Residual子產品
class residual(nn.Module):
def __init__(self, k, inp_dim, out_dim, stride=1, with_bn=True):
super(residual, self).__init__()
self.conv1 = nn.Conv2d(inp_dim,
out_dim, (3, 3),
padding=(1, 1),
stride=(stride, stride),
bias=False)
self.bn1 = nn.BatchNorm2d(out_dim)
self.relu1 = nn.ReLU(inplace=True)
self.conv2 = nn.Conv2d(out_dim,
out_dim, (3, 3),
padding=(1, 1),
bias=False)
self.bn2 = nn.BatchNorm2d(out_dim)
self.skip = nn.Sequential(nn.Conv2d(inp_dim, out_dim, (1, 1), stride=(stride, stride), bias=False),
nn.BatchNorm2d(out_dim)) \
if stride != 1 or inp_dim != out_dim else nn.Sequential()
self.relu = nn.ReLU(inplace=True)
def forward(self, x):
conv1 = self.conv1(x)
bn1 = self.bn1(conv1)
relu1 = self.relu1(bn1)
conv2 = self.conv2(relu1)
bn2 = self.bn2(conv2)
skip = self.skip(x)
return self.relu(bn2 + skip)
就是簡單的殘差連結網絡中的最基礎的殘差子產品。
1.2 Hourglass子子產品
class kp_module(nn.Module):
'''
kp module指的是hourglass基本子產品
'''
def __init__(self, n, dims, modules):
super(kp_module, self).__init__()
self.n = n
curr_modules = modules[0]
next_modules = modules[1]
curr_dim = dims[0]
next_dim = dims[1]
# curr_mod x residual,curr_dim -> curr_dim -> ... -> curr_dim
self.top = make_layer(3, # 空間分辨率不變
curr_dim,
curr_dim,
curr_modules,
layer=residual)
self.down = nn.Sequential() # 暫時沒用
# curr_mod x residual,curr_dim -> next_dim -> ... -> next_dim
self.low1 = make_layer(3,
curr_dim,
next_dim,
curr_modules,
layer=residual,
stride=2)# 降維
# next_mod x residual,next_dim -> next_dim -> ... -> next_dim
if self.n > 1:
# 通過遞歸完成建構
self.low2 = kp_module(n - 1, dims[1:], modules[1:])
else:
# 遞歸出口
self.low2 = make_layer(3,
next_dim,
next_dim,
next_modules,
layer=residual)
# curr_mod x residual,next_dim -> next_dim -> ... -> next_dim -> curr_dim
self.low3 = make_layer_revr(3, # 升維
next_dim,
curr_dim,
curr_modules,
layer=residual)
self.up = nn.Upsample(scale_factor=2) # 上采樣進行升維
def forward(self, x):
up1 = self.top(x)
down = self.down(x)
low1 = self.low1(down)
low2 = self.low2(low1)
low3 = self.low3(low2)
up2 = self.up(low3)
return up1 + up2
其中有兩個主要的函數
make_layer
和
make_layer_revr
,
make_layer
将空間分辨率降維,
make_layer_revr
函數進行升維,是以将這個結構命名為hourglass(沙漏)。
核心建構是一個遞歸函數,遞歸層數是通過n來控制,稱之為n階hourglass子產品。
![](https://img.laitimes.com/img/9ZDMuAjOiMmIsIjOiQnIsICM38FdsYkRGZkRG9lcvx2bjxiNx8VZ6l2cssEcwgVUCFDWFJFMMBjVtJWd0ckW65UbM5WOHJWa5kHT20ESjBjUIF2X0hXZ0xCMx81dvRWYoNHLrdEZwZ1Rh5WNXp1bwNjW1ZUba9VZwlHdssmch1mclRXY39CXldWYtlWPzNXZj9mcw1ycz9WL49zZuBnL4YTMxIjNwUTMwMzNwAjMwIzLc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
1.3 Hourglass
class exkp(nn.Module):
'''
整體模型調用
large hourglass stack為2
small hourglass stack為1
n這裡控制的是hourglass的階數,以上兩個都用的是5階的hourglass
exkp(n=5, nstack=2, dims=[256, 256, 384, 384, 384, 512], modules=[2, 2, 2, 2, 2, 4]),
'''
def __init__(self, n, nstack, dims, modules, cnv_dim=256, num_classes=80):
super(exkp, self).__init__()
self.nstack = nstack # 堆疊多次hourglass
self.num_classes = num_classes
curr_dim = dims[0]
# 快速降維為原來的1/4
self.pre = nn.Sequential(convolution(7, 3, 128, stride=2),
residual(3, 128, curr_dim, stride=2))
# 堆疊nstack個hourglass
self.kps = nn.ModuleList(
[kp_module(n, dims, modules) for _ in range(nstack)])
self.cnvs = nn.ModuleList(
[convolution(3, curr_dim, cnv_dim) for _ in range(nstack)])
self.inters = nn.ModuleList(
[residual(3, curr_dim, curr_dim) for _ in range(nstack - 1)])
self.inters_ = nn.ModuleList([
nn.Sequential(nn.Conv2d(curr_dim, curr_dim, (1, 1), bias=False),
nn.BatchNorm2d(curr_dim)) for _ in range(nstack - 1)
])
self.cnvs_ = nn.ModuleList([
nn.Sequential(nn.Conv2d(cnv_dim, curr_dim, (1, 1), bias=False),
nn.BatchNorm2d(curr_dim)) for _ in range(nstack - 1)
])
# heatmap layers
self.hmap = nn.ModuleList([
make_kp_layer(cnv_dim, curr_dim, num_classes) # heatmap輸出通道為num_classes
for _ in range(nstack)
])
for hmap in self.hmap:
# -2.19是focal loss中的預設參數,論文的4.1節有詳細說明,-ln((1-pi)/pi),這裡的pi取0.1
hmap[-1].bias.data.fill_(-2.19)
# regression layers
self.regs = nn.ModuleList(
[make_kp_layer(cnv_dim, curr_dim, 2) for _ in range(nstack)]) # 回歸的輸出通道為2
self.w_h_ = nn.ModuleList(
[make_kp_layer(cnv_dim, curr_dim, 2) for _ in range(nstack)]) # wh
self.relu = nn.ReLU(inplace=True)
def forward(self, image):
inter = self.pre(image)
outs = []
for ind in range(self.nstack): # 堆疊兩次hourglass
kp = self.kps[ind](inter)
cnv = self.cnvs[ind](kp)
if self.training or ind == self.nstack - 1:
outs.append([
self.hmap[ind](cnv), self.regs[ind](cnv),
self.w_h_[ind](cnv)
])
if ind < self.nstack - 1:
inter = self.inters_[ind](inter) + self.cnvs_[ind](cnv)
inter = self.relu(inter)
inter = self.inters[ind](inter)
return outs
這裡需要注意的是inters變量,這個變量儲存的是中間監督過程,可以在這個位置添加loss,具體如下圖藍色部分所示,在這個部分可以添加loss,然後再用1x1卷積重新映射到對應的通道個數并相加。
然後再來談三個輸出,假設目前是COCO資料集,類别個數為80,那麼hmap相當于輸出了通道個數為80的heatmap,每個通道負責預測一個類别;wh代表對應中心點的寬和高;regs是偏置量。
CenterNet論文詳解可以點選【目标檢測Anchor-Free】CVPR 2019 Object as Points(CenterNet)
整個網絡就梳理完成了,筆者簡單畫了一下nstack為2時的hourglass網絡,如下圖所示:
3. Reference
https://blog.csdn.net/shenxiaolu1984/article/details/51428392
http://xxx.itp.ac.cn/pdf/1603.06937.pdf
http://xxx.itp.ac.cn/pdf/1904.07850v1
代碼改變世界