超越bounding box的代表性点集：视觉物体表示的新方法

2019 年 5 月 13 日 极市平台

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“阅读原文”立刻申请入群~

作者 | Ze Yang、Shaohui Liu、Han Hu、Liwei Wang、Stephen Lin

转自 | 机器之心

目前，Bounding Box（即包含物体的一个紧致矩形框）几乎主导了计算机视觉中对于物体的表示，其广泛流行得益于它简便且方便物体特征提取的特点，但另一方面也限制了对物体更精细的定位和特征提取。

近日，来自北大、清华和微软亚研的研究者们提出了一种新的视觉物体表示方法，称作 RepPoints（representative points，代表性点集），这种方法能更精细地描述物体的几何位置和进行图像特征的提取，同时也兼有简便和方便特征提取的特点。利用这种表示，很自然能得到一个 anchor-free 的物体检测框架，取得了和目前 anchor-based 方法可比的性能。

论文：RepPoints: Point Set Representation for Object Detection

论文地址：https://arxiv.org/abs/1904.11490

目前，与物体相关的视觉研究几乎占了半壁江山，在工业界更是如此，大部分应用都依赖于提取物体位置后的进一步分析。在这些应用和研究中，如何表示物体尤其重要。一直以来，bounding box 是表示视觉物体最常用的方法，它的流行得益于简便的形式，便于提取物体特征（RoIAlign 方法）的特点，以及与物体检测任务的标注和评测一致。

具体到在物体检测中的应用，举目前表现最好的多阶段物体检测算法为例，基于 bounding box 的物体表示出现在多个阶段，从初始阶段的锚点（anchors），到中间的候选框（proposals），再到最终的定位框，都是基于 bounding box，可以说无处不在：

总的来说，基于 bounding box（bbox）的多阶段物体检测是一个定位越精确，进而特征提取越精确，而这又反过来帮助更精确定位的迭代过程。尽管如此，bbox 总的来说受限于矩形框的形式其始终是一个比较粗糙的表示，基于 bbox 的物体特征提取也无法很精细。

这篇论文提出了一种新的物体表示方法，用一个代表性点集来表示物体，称作 RepPoints (representative points)：

这种新的表示方法能更自由地刻画物体丰富的姿态视角等的形态，利于更精细的几何定位和更精细地物体特征提取，如下图所示。

当替换物体检测框架中所有的 bounding box 表示时，我们得到如下的物体表示变化过程：

遵循这一过程的物体检测器很自然是一个 anchor-free 的检测框架（object centers 是一种特殊的 RepPoints）:

这一 anchor-free 的检测器设计还与同期的一些基于 anchor-free 的检测方法不谋而合，例如 FCOS，FoveaBox，FSAF，CenterNet 等等，他们都发现 anchor-free 方法相比 anchor-based 方法也能取得不错的效果了。

这篇论文对 anchor-free 方法的优点作了一些解释，它认为 anchor-free 方法和 anchor-based 方法的本质区别在于表示物体的维度不一样，anchor-free 方法把物体看作二维的点，而 anchor-based 方法把物体看做四维的矩形框，从这个角度看，anchor-free 方法和 single anchor 方法都是有区别的。

由于 anchor-free 方法将物体看做二维的点，从而使得搜索空间大大降低，在初始表示的时候很容易基本覆盖所有的真实物体，而 anchor-based 方法将物体看做四维的矩形框，从而通常需要很多个锚点才能大致覆盖所有真实物体。这篇论文还认为 FPN 是促成 anchor-free 方法重新取得成功的重要关键，另外，RepPoints 这种灵活的表示方法也起到了部分帮助。

如下是论文的一些主要结果：

a) 和 bbox 表示方法的比较