【GiantPandaCV 导语】最近因为工程需要，就去调研一下 open-set detection 算法，然后发现一篇不错的论文《Towards Open-Set Object Detection and Discovery》。论文使用了额外的 memory 来当做网络的记忆缓存，在实现对未知类物体的坐标回归的同时，还挖掘了未知类物体潜在的类别。算法挺有意思的，里面也涉及了很多自己的知识盲点，于是和大家分享一下，一起研究研究。

论文地址：https://arxiv.org/abs/2204.05604

1.介绍¶

在之前的 open-set object detection (OSOD) 中，除了检测识别已知物体外，还会检测一些未知类别的物体，但把所有未知的物体都归到 “未知类”。该论文提出的 Open-Set Object Detection and Discovery (OSODD)，不仅可以检测未知物体，还可以挖掘它们潜在的类别。OSODD 采用了两阶检测方式，先对已知物体和未知物体进行预测，然后通过无监督和半监督方式学习预测到的物体的表征并进行聚类，从而挖掘出未知物体的类别。

2.相关工作¶

略

3. 任务形式¶

在 OSODD 中，假设已知类为 Ck = {C1, C21，....，Cm}；未知类为 Cu = {Cm+1, Cm+2, ..... Cm+n}，Ck 和 Cu 没有交集。训练集只包含 Ck，而测试集是 Ck 和 Cu 的合集。模型的任务就是对所有物体进行定位和分类 I = [c, x, y, w, h]，已知物体归于Ck，未知物体则归于 Cu。

4. 具体方法¶

论文提出的 OSODD 包含两个部分，分别是 Object Detection and Retrieval (ODR) 和 Object Category Discovery (OCD)。

网络框架

ODR 是一个带有两个记忆缓存的开集检测器，对于已知物体，检测器预测他们的位置信息和类别，对于未知物体，只预测其位置信息。其中已知物体和类别信息储存在 known memory 中，未知物体则储存在 working memory 中。
OCD 则是主要利用 working memory 来挖掘未知物体的类别，包含了一个特征编码器和聚类辨别器。首先使用非监督对比学习方式，从 known 和 working memory 中训练一个编码器，在 latent space 中学习更好的物体表征。最后用 constrained k-means 来进行聚类。

4.1 Object Detection and Retrieval¶

open-set object detector 主要是对所有物体进行定位，同时对已知物物体进行分类，且把未知物体归到“unknown” 一类。文中使用了 faster-rcnn 作为模型的 backbone，利用了 RPN 对类别无感知的特性，把那些与 ground-truth 没有重叠且置信度比较高的候选框作为位置物体。为了让物体的特征更具有区别性，作者使用了对比损失，也就是计算从 ROI pooling 中得到的特征和模板之间的相差度：

相差度

其中模板 pi 是该类别特征的滑动平均值。所以在 region of interest pooling 中的 loss 变成：

loss

4.2 Object Category Discovery¶

因为未知物体的类别是不确定的，只能通过一些方式来挖掘出这些物体潜在的类别信息，文中采用了 DCT，主要是通过一种特殊的无参数学习的 k-mean 来估计潜在的类别数目。为了更好地挖掘未知物体的潜在类别，作者在 OCD 中加入了一个 encoder，用来学习更有判别性的 embedding。在encoder 中使用 known memory 和 working memory 来进行对比学习，增大 positive pairs 的相似度，而减小 negative pairs的相似度，类似减小类内差而增大类间差，这样更有益于后面的聚类操作。对比学习的 InfoNCE loss 为：

InfoNCE loss