ResNeSt之语义分割,ADE20K全新SoTA 47.6%

2020 年 4 月 25 日 CVer

点击上方“CVer”,选择加"星标"或“置顶”

重磅干货,第一时间送达

本文作者:张航

https://zhuanlan.zhihu.com/p/136105870

本文已由原作者授权,不得擅自二次转载

ResNeSt 这个论文的工作量比较大,我们会分开进行讲述,这篇关于语义分割。正文开始之前先说一下,我们已经开源了论文中提到的所有模型和训练代码 (见 ResNeSt 主仓库)

https://github.com/zhanghang1989/ResNeSt

特别是我们的 detectron2-ResNeSt ,在detectron2的基础上直接提高3%。

https://github.com/zhanghang1989/detectron2-ResNeSt

下面是正文:

标题党?

自2016年底,PSPNet 横空出世,从此成为领域的标杆,在当年的 MS-COCO + ADE20K 竞赛中夺冠,其中最佳单模型达到了 44.94% 的 mIoU。


这个最佳模型的记录保持了接近三年之久,直到最近才被超过,达到了46.27%(数据来自 PaperWithCode)。领域内的工作用了3年将这个数据集的结果推动了1.3%,ResNeSt-269 + DeepLabV3 单模型取得了 47.60% mIoU 的结果,在短时间内将最佳单模型结果再次提高了1.3%。这样来看,是不是可以说 ResNeSt 推动了这个数据集3年的进展呢?

虽然这样说有点标题党,我们看一下在 ADE20K 上的具体表现:

我们用DeepLabV3 + ResNet作为 baseline,可以看到使用 ResNeSt 取代标准 ResNet 可以得到接近 3% 的提升。截止至论文投稿时,ADE20K验证集上的最佳模型是 ACNet,在不使用任何技巧的情况下,DeepLabV3 + ResNeSt-101可以达到 46.91% mIoU,比 ACNet 提高了 1%。在论文提交之后,我们又训练了更深的 ResNeSt-269 模型,并且进一步将这一结果推进至 47.60%。

语义分割有点迷失

我以前也做过一些语义分割方面的工作,对其中的困难有一点自己的想法(不对的地方还请指正)

  • 很难突破:感觉无论在模型上做哪些改动,似乎都很难有较大的提高。这个时候是不是可以考虑在其他方面做一些创新呢?比如这篇 ResNeSt 提供了一个思路,说不定在backbone 阶段改进更有效呢,我们发现 ResNeSt50 + FCN 在 ADE20K 上就可以达到 42.94% mIoU,已经碾压了其他类似复杂度的模型。另外一个可以思考的方向,我们是不是也可以在 data 上面找突破呢, @朱毅大神之前做的 video propagation 在 Cityscapes 数据集上有很大提高,马上会推出一篇 semi-supervise 训练的论文,可以期待一下~


  • 方法不通用:许多 low-hanging fruit 都被别人做了,要想提高分数,就需要对模型进行魔改,这样做出来的模型很复杂,而且通常不是很通用。主要原因在于不同数据集的难点不同,比如 ADE20K 注重的是语义理解和上下文信息,然而在 Pascal VOC 和 Cityscapes 这样类别比较少的数据集,主要困难在边界,通常某些网络上的改动在一个数据集上很好,在其他数据集上没用。如何可以找到相对通用的方法呢?

我觉得 ResNeSt 在语义分割方面的表现,可能对将来的工作或许有一点启发。

ResNeSt 设计初衷

虽然最近分类网络有很大的突破,但是在检测、分割等下游应用大多工作仍在使用 ResNet 做为 backbone 进行迁移学习。ResNet 网络的优势在于通用性与模块化,然而毕竟是为了分类问题设计的网络,通常在目标领域会有一些结构上的不足,比如对于分割任务来讲,网络的感受野相对较小,缺少全局的上下文信息等等。针对这种情况,下游应用通常会在 backbone 基础上进行魔改,比如使用 pyramid representation 来提高感受野大小,或者引入全局的上下文信息,还有比较 expensive 的 Spatial Attention 的工作。与其这样魔改,不如我们把这些改进做到 backbone 里直接预训练一下。

在CVPR 2018,我做过一个 EncNet 的工作,算是一个把 attention 应用到语义分割问题上比较早期的工作了。我们发现,通过一个全局的上下文信息来预测 channel 维度的 attention 对分割很有帮助。那个时候也想过把这个模块用在 ImageNet 预训练中会有什么效果,但是碍于资源有限没有深入研究(deadline 前几周才借到机器跑实验)。SE-Net,SK-Net 等工作都在基础网络训练的时候引入 attention 机制,而且取得了很大的成功,SE-Net 的缺点在于不利于网络结构的加宽以及 feature-map 的多样性,因为不同的 channel 都是相互依赖的;SK-Net 的多分支结构,不容易模块化和加速。受到 ResNeXt 的启发,我们把 attention 做到了 group level,这样的分组结构,有利于 featuremap 的多样性,同时这种模块化的设计保持了 ResNet 的原有宏观结构,可以直接应用到已有的算法中去。就这样我们得到了 ResNeSt,在论文中,我们发现在物体检测,实例分割,语义分割等方向对下游模型都有很大提升。

相对于对已有网络进行魔改,可能不如对基础网络提升来的直接。希望这篇论文可以抛砖引玉,以后可以看到更多的关于基础网络研究的文章。毕竟分类问题基本属于已经解决了的问题,能够更好地为下游应用服务,才是更加有意义的。

预告与链接

不出意外的话,Chongruo @水中草、Jerry @张钟越和我最近会讲一下 ResNeSt 之物体检测与实例分割论文中用到的 Mask-RCNN,Cascade R-CNN 等模型和训练代码已经开源在了detectron2-ResNeSt。


https://github.com/zhanghang1989/detectron2-ResNeSt


我们之后应该会放出更好的模型,给准备打 MS-COCO & LVIS 竞赛的小伙伴们提供一个 Start Kit。

http://cocodataset.org/workshop/coco-lvis-eccv-2020.html


推荐阅读


大神接棒,YOLOv4来了!

ResNet最强改进版来了!ResNeSt

论文下载

在CVer公众号后台回复:ResNeSt,即可下载本论文

重磅!CVer-图像分割 微信交流群已成立


扫码添加CVer助手,可申请加入CVer-图像分割 微信交流群,目前已汇集1300人!涵盖语义分割、实例分割和全景分割等。互相交流,一起进步!


同时也可申请加入CVer大群和细分方向技术群,细分方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、TensorFlow和PyTorch等群。


一定要备注:研究方向+地点+学校/公司+昵称(如图像分割+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群

▲长按加群


▲长按关注我们

麻烦给我一个在看!

登录查看更多
0

相关内容

社区检测的深度学习:进展、挑战和机遇
专知会员服务
46+阅读 · 2020年7月9日
【Google】监督对比学习,Supervised Contrastive Learning
专知会员服务
73+阅读 · 2020年4月24日
CVPR2020 | 商汤-港中文等提出PV-RCNN:3D目标检测新网络
专知会员服务
43+阅读 · 2020年4月17日
专知会员服务
109+阅读 · 2020年3月12日
抢鲜看!13篇CVPR2020论文链接/开源代码/解读
专知会员服务
49+阅读 · 2020年2月26日
【ICLR-2020】网络反卷积,NETWORK DECONVOLUTION
专知会员服务
38+阅读 · 2020年2月21日
PyTorch语义分割开源库semseg
极市平台
25+阅读 · 2019年6月6日
CVPR2019 | 全景分割:Attention-guided Unified Network
极市平台
9+阅读 · 2019年3月3日
全景分割这一年,端到端之路
机器之心
14+阅读 · 2018年12月24日
深度学习DenseNet算法详解
数据挖掘入门与实战
7+阅读 · 2018年4月17日
语义分割+视频分割开源代码集合
极市平台
35+阅读 · 2018年3月5日
用于RGB-D室内场景语义分割的门式融合局部感知反卷积网络
机器学习研究会
7+阅读 · 2017年10月30日
EfficientDet: Scalable and Efficient Object Detection
Arxiv
6+阅读 · 2019年11月20日
Arxiv
12+阅读 · 2019年4月9日
Arxiv
7+阅读 · 2018年12月10日
Arxiv
11+阅读 · 2018年4月8日
VIP会员
相关VIP内容
相关资讯
PyTorch语义分割开源库semseg
极市平台
25+阅读 · 2019年6月6日
CVPR2019 | 全景分割:Attention-guided Unified Network
极市平台
9+阅读 · 2019年3月3日
全景分割这一年,端到端之路
机器之心
14+阅读 · 2018年12月24日
深度学习DenseNet算法详解
数据挖掘入门与实战
7+阅读 · 2018年4月17日
语义分割+视频分割开源代码集合
极市平台
35+阅读 · 2018年3月5日
用于RGB-D室内场景语义分割的门式融合局部感知反卷积网络
机器学习研究会
7+阅读 · 2017年10月30日
Top
微信扫码咨询专知VIP会员