ECCV 2022 | AirDet: 无需微调的小样本目标检测方法

作者丨[email protected]知乎（已授权）

来源丨https://zhuanlan.zhihu.com/p/545249730

编辑丨极市平台

导读

 

本文提出无需微调的小样本目标检测方法AirDet，针对机器人自主探索任务设计。基训练后，未经微调的AirDet表现甚至优于部分微调后的方法。论文、项目代码、ROS部署接口均已开源。

AirDet

项目网站：https://jaraxxus-me.github.io/ECCV2022_AirDet/

开源论文：https://arxiv.org/pdf/2112.01740.pdf

开源代码：https://github.com/Jaraxxus-Me/AirDet

ROS部署：https://github.com/Jaraxxus-Me/AirDet_ROS

引言

小样本目标检测（FSOD）是近年兴起的一项计算机视觉任务，其基本设定是，仅提供少量（通常少于等于10个）新类样本情况下，方法即需检测基训练集之外类别的目标。

由于其在自主探索中的重要作用，FSOD受到了机器人界越来越多的关注。这是因为我们通常期望机器人在未知环境中检测到（模型训练过程中未见过的）新物体，然而在线探索的过程中，用户只能在线标注提供少量的新类样本。譬如图一（a）中，用户提供少量标注后，方法需要检测钻孔机、头盔等未见过的新颖类别目标。

尽管FSOD最近有了很显著的发展，但是大多数现有的方法在应用前都遵循基训练、小样本微调两阶段范式。然而微调阶段并不适用于机器人在线探索的应用场合，因为：

1. 探索过程中待检测的新类别是可以动态变化的（如不断增加的）。如果每次改变类别都重新微调模型，一方面对于时间紧迫的探索任务而言效率极低，另一方面也会为有限的机器人机载算力带来过高负荷。

2. 微调阶段的许多超参数都需要验证集进行调节，如微调学习率、模型收敛epoch等。然而对于在线探索任务而言，验证集是不存在的，超参调节自然也就难以进行。

为此，我们提出了一种无需微调的小样本目标检测方法AirDet。如图一（b）所示，未经微调的AirDet甚至能取得比一些微调后的方法更好的结果。

图一. 来自机器人探索（DARPA Subt 挑战赛）的代表性图像和性能比较。实线表示没有微调的结果，虚线表示在少样本数据上微调后的结果。

贡献

1. 本文提出在机器人自主探索任务中可行的，无需微调的小样本检测模型，AirDet。

2. 本文提出“与类别无关的关联性（class-agnostic relation）”，包含空间关联性与通道关联性，这是AirDet的模型设计核心。

3. 在COCO，VOC，LVIS数据集与DARPA Subt挑战赛真实数据中的详尽实验评估证明了AirDet的优越性与可行性。

4. 我们也提供了AirDet的ROS接口与AGX上的部署指南。

方法介绍

图二. 自主探索任务的流程和 AirDet 的算法框架。

图二展示了机器人自主探索任务的流程和AirDet的宏观模型结构。

任务流程

在探索未知环境过程中，机器人首先将可能包含重要物体（如头盔）的原始图片发送给用户。用户会在线给出标注并提供少量样本。此后，机器人便可_立即_ 通过对后续环境的感知检测这些新类样本。

宏观结构

AirDet宏观上包含四个模块

1. 共享的骨干网络，用于特征提取

2. 由支持样本引导的多层特征融合的区域建议网络，用于在测试图片上生成候选框

3. 基于全局-局部联系的样本融合网络，用于生成更具表征能力，更可靠的类原型特征

4. 基于关联性的检测头，分为分类分支和检测框回归分支

核心理念

AirDet的模块设计理念均基于“与类别无关的关联性（class-agnostic relation）”。

具体而言，我们定义了如下两种关联性：空间尺度关联性  和特征通道关联性

空间尺度关联性: 目标的类别与其外观紧密相关, 而目标的外观由特征的空间维度描述。因此, 两 个特征的空间关联性可以很大程度上反映两个特征的相关程度（如相似性）。我们定义  如下:

402 Payment Required

其中,  是两个任意张量。Flatten 意味着将特征在空间尺度下展平。MLP 是常用的多层感知机, 故而  可以生成带有  的空间 信息的核, 此后使用逐通道卷积  便可计算  间的空间关联性  。

特征通道关联性: 在以往的研究中表明, 图片的类别信息通常存于特征通道中。譬如, 考虑两辆汽 车的深度特征, 其沿通道的分布是相似的。受此启发, 我们提出特征通道关联性模块  :

其中,  代表沿通道维度串联两个特征。

与类别无关的关联性贯穿AirDet每个子模块的设计，这使得AirDet无需微调即可工作。每个子模块的设计细节请有兴趣的读者参阅我们的原文或代码。

实验

条件设定

基训练集：

COCO2017 train数据集中非VOC的60类数据（等价于COCO2014 trainval中剔除5k测试图片）

测试集：

• COCO2017 val数据集中属于VOC的20个新类数据（提供1,2,3,5shot 支持样本）

• Pascal VOC2012 val数据集

• LVIS 数据集中四组非常规类别

• DARPA Subt 挑战赛中的真实数据

值得一提的是，由于AirDet无需微调，在所有测试数据，不同shot的设定中，我们都可采用同一个基训练出来的模型（而不需要针对不同的场景调整不同的微调超参数）。

COCO

COCO数据集上的结果比较。

COCO上的结果显示，无需微调的AirDet已经比肩，甚至优于许多微调后的方案，微调后，AirDet的性能更加可观。无需微调的条件下，方法的结果对支持样本较敏感，故而我们随机采样了3-5组样本，展示了其平均结果和标准差，表中由 \dagger\dagger 表示。

COCO数据集上不同尺度的目标检测结果比较

得益于AirDet中由支持样本引导，可学习多层特征联系的SCS模块（详见原文），AirDet在多尺度目标检测中也比已有的方案更优（优于采纳FPN的方案）。

值得一提的是，对于多尺度目标的检测，微调后的模型表现不一定更好。

COCO 10-shot 结果比较

大多现有方案对于COCO数据集采纳10-shot场景，我们也给出AirDet 10-shot的结果如上表。（不过最新的CVPR2022中，COCO 10-shot已经能达到17-18 AP，不得不感慨CV发展的迅猛）

VOC

VOC 跨领域结果比较

通常机器人的工作环境与训练集有较大差别，我们展示的跨领域性能（COCO训练，VOC测试）如上表。

Subt 挑战赛

图三. DARPA SubT挑战赛中的定性结果

感觉放了好多表，SUBT就放一些定性图。左侧是提供给AirDet的新类样本，右侧是AirDet的检测结果，可见AirDet对真实探索环境中的尺度变化、照度变化等挑战因素较为鲁棒。

局限性

无需微调的小样本目标检测研究甚少，目前可以不微调直接工作的仅有A-RPN和AirDet两个方法，而这个任务对机器人在位置环境中的探索感知又比较重要。为了这个领域未来能得到关注并发展的更好，我们也真诚摆出AirDet的局限性：

1. AirDet目前模型参数较多，运行速度不快，我们在AGX Xavier上如果不做TensorRT加速，运行速度仅有1~2FPS。更轻量化的模型是可优化的方向。

2. 我们观察到AirDet的failure case主要是由分类导致的，具体问题有两个。第一，类间variance大，有些类AP高达30，有些类低至0.5。第二，AirDet对正样本分类不够好。举例来说，如果给猫（新类）的支持样本，AirDet在测试图片上：在猫的区域生成候选框，和将含有猫的候选框分类为猫，这两个任务表现不佳（体现为loss大）。所以设计更有效地分类策略是提升AirDet性能的可观方向。

3. AirDet对于多类检测的效率较低。AirDet的SCS和检测头内部会对支持类跑循环，最后在所有类下找到得分最高的，这种跑法会导致类别过多时推理速度变慢。（这应该也是大多数基于元学习（meta-learning）的FSOD的局限性）

4. 最后坦白的说，未经微调的AirDet与微调的方法在某些情况下仍有一些差距，这也说明AirDet的性能仍有较大提升空间。

致谢

本文是我参加CMU RISS2021暑研期间的工作，从第一次讨论这个方向，到至今论文中稿已逾一年。非常感谢期间王晨博士和Scherer教授对我的指导帮助，也非常感谢pranay和Seungchan学长的协助合作。本文主要受A-RPN与《learning to compare》两篇文章启发，在此向文章的作者们致以真挚的谢意（代码基于FewX）。

本文仅做学术分享，如有侵权，请联系删文。

干货下载与学习

后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件

后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf

后台回复：3D视觉课程，即可学习3D视觉领域精品课程

计算机视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

15.国内首个3D缺陷检测教程：理论、源码与实战

16.基于Open3D的点云处理入门与实战教程

重磅！计算机视觉工坊-学习交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~