OWOD：开放世界目标检测，更贴近现实的检测场景 | CVPR 2021 Oral

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\(t\)时刻，已知的目标类别为\(\mathcal{K}^t=\{1,2,\cdots,C\} \subset{\mathbb{N}^{+}}\)，其中\(\mathbb{N}^{+}\)为所有正整数，未知的类别为\(\mathcal{U}=\{C+1,\cdots\}\)。\(\mathcal{K}\)的训练集为\(\mathcal{D}^t=\{X^t,Y^t\}\)，\(X=\{I_1,\cdots,I_M\}\)和\(Y=\{Y_1,\cdots,Y_M\}\)分别为图片和标注信息，其中每张图片的\(Y_i=\{y_1,y_2,\cdots,y_K\}\)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\(M_C\)用于检测所有的\(C\)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\(U_t\)经过专人筛选后得出\(n\)个样本足够的新类别，然后通过增量学习地获取模型\(M_{C+n}\)，已知类别更新为\(\mathcal{K}_{t+1}=\mathcal{K}_t+\{C+1,\cdots,C+n\}\)。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\(i \in \mathcal{K}^t\)，维护一个原型向量\(p_i\)，假设\(f_c\in \mathbb{R}^d\)为类别\(c\)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：

  \(\mathcal{D}\)为距离函数，\(\Delta\)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\(\mathcal{P}=\{p_0,\cdots,p_C\}\)，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\(\mathcal{F}_{store}=\{q_0,\cdots,q_C\}\)，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\(I_b\)之后才开始计算损失值，之后每\(I_b*n\)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\(p_0\)，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\(q_0\)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\(f \in F\)与标签\(l\in L\)，学习一个能量函数\(E(F,L)\)，能够通过\(E(f):\mathbb{R}^d\to\mathbb{R}\)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：

  \(T\)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：

  \(p(l|f)\)为标签\(l\)的概率密度函数，\(g_l(f)\)为分类头\(g(\cdot)\)的第\(l^{th}\)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\(\xi_{kn}(f)\)和\(\xi_{unk}(f)\)，如图3所示。当\(\xi_{kn}(f) < \xi_{unk}(f)\)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\(N_{ex}\)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\(\mathcal{T}=\{T_1, \cdots, T_t, \cdots\}\)，具体的类别来源如表1所示。在特定的时间\(t\)将特定的任务\(T_t\)投放到场景中，类别\(\{T_{\tau}: \tau < t\}\)作为已知类别，而类别\(\{T_{\tau}: \tau > t\}\)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：

  \(P_{\mathcal{K}}\)为在已知类别的验证集上的准确率，\(P_{\mathcal{K}\cup \mathcal{U}}\)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。

Open World Object Detection Results

  上述是一个主要的实验结果，论文还有很多对比实验，有兴趣的可以去看看。

Conclusion

---

  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。

 

 

 

如果本文对你有帮助，麻烦点个赞或在看呗～

更多内容请关注 微信公众号【晓飞的算法工程笔记】