Dynamic Zoom
Zoom-in for Fast in Large
Gao1 Yu1 Ang Li2_ Vlad I. Larry S.
of , Park
论文地址：
目标检测领域常用数据集有/2012(约500×400)和MS COCO(约600×400)等等。在经典的卷积
神经网络(CNN)检测器中，图像是 在低的分辨率下进行卷积操作，计算成本相对低。然而，实际应用中，
我们使用的图片是高分辨率的，已经超过了这些数据集。CNN检测器直接应用于这些高分辨率图像需要大量的处理时间。
通过简化网络结构来加速检测和减少GPU内存消耗;
针对特定的网络结构定制的，不适用于新结构
将图像分割成满足内存的子图像，并对每个子图像进行检测;
计算繁琐
在向下采样的图像上使用现有的检测器;
对小目标的检测效果是不好的
应用场景：不同大小的物体出现在高分辨率图像中
任务：目标检测
目标：在保持精度的同时，降低了目标检测的计算成本
目标检测主流的框架：One-Stage:YOLO、SSD; Two-Stage: R-CNN
处理大尺寸图像策略可以是避免处理整个图像，而是按顺序研究小区域
RL是顺序搜索策略的一种机制，其模型应用于具有一系列动作组合的序列化决策场景中
策略：-to-fine ，在低分辨率下应用检测器，并使用该检测器的输出指导对高分辨率图像下目标的深入搜索
•Input: Down Image
•R-net： 进行检测，利用其检测结果预测图像目标区域在高分辨率下检测的效益
•Q-net：基于R-net的输出（AG Map），输出若干个可供选择的放大区域
•选择值最大的区域,对其运行Fine ，之后不断迭代且对AG Map进行更新重复第三第四步，直到
AG Map值满足某个条件后，结束算法
R-net目标：根据粗检测结果预测特定区域的放大（精检测）精度增益
输入：低分辨率图像（1/2原图像）
： R-CNN
输出：AG map
训练R-net:使用两个预先训练过的检测器应用在一同训练集上，得到两组图像检测结果：
d为检测边界框；p为目标物体的概率；f为对应检测的特征向量，h和l表示高分辨率和低分辨率，i,j分别表示两个检测器预测出目标
CR Layer：估计 k的放大精度增益（ a zoom-in gain ）， CR层包含两个全连接的层，其中第一层有4096个单元，第二层只有一个输出单元。
训练CR Layer：
当高分辨率得分pkl
比低分辨率得分pkh
更接近于时，函数表明 k值得进一步放大。否则，在下采样图像上应用检测器可能会产生更高的精度，所以我们应该避免放大 k
AG map：根据每个的a zoom-in gain ，可以生成AG图:
Q-net任务：AG map作为输入，找一个最可能存在物体的位置，去原图像中取相应的高分辨率图像，运行fine ,之后进行迭代,AG Map更新，直到到底指定结束条件( AG Map的所有值之和小于0.1)
输入：AG Map
输出： Maps：某状态下各个(区域)的
强化学习
机器学习的学习算法分为监督学习，非监督学习，强化学习。
马尔可夫决策过程（序列化决策问题）：
三要素：状态(state)，动作()，奖赏()
在每一动作，系统观察当前状态，评估采取不同行动的潜在回报，并选择具有最大长期回报的动作
应用： Alpha Go， Ng的直升机控制
.选择要在高分辨率下分析的区域，每个动作都可以用一个元组(x , y, w , h)表示
State.表示两种类型的信息:
1)待分析区域的预测精度增益
2)已经用高分辨率分析过的区域的历史（避免被多次被分析）
state这里使用AG Map作为状态表示
Cost-aware .
在训练过程中，Q-net使用这个奖励函数来计算采取行动的即时奖励，保证了在有限的计算量下能保持较高的精度
a long-term :
未来奖励的影响程度 ： γ=0.5
在给定当前状态下，采取行动的最优等于其当前与该行动触发的下一状态下的最优的组合
通过Q-Net（DQN）学习一个长期的奖励函数
Loss :
网络的参数: θi-=θi-CC = 10 γ=0.5C是一个常数参数
DQN中的 Q网络:采样的方式计算“真实值”， Q网络是每隔一段时间才会更新，即权重更新的比较慢
ϵ−策略:它以ϵ的概率从所有的中随机抽取一个;以1−ϵ的概率抽取最大 的
maps:
AG Map 经过下采样、卷积后分为两个并行的通道（通过不同的卷积核），每个管道输出 – map，对应于具有特定大小的放大区域。值表示该以低成本提高准确性的可能性
:
对连两个特定尺寸的若干个区域进行排序，选择最大的作为当前状态下的
Run fine :
对被选择的区域，去原图像中取相应的高分辨率图像进行 fine 。我们得到该区域目标的精细检测结果，然后用精检测的结果替换粗检测的结果。
& :
在对一个区域进行缩放并执行检测之后，AG Map中该区域内的所有值都设置为0，
以防止将来对同一区域进行缩放；不断迭代直到AG Map内的值之和小于0.1，迭代结束
在之前，由于采样稀疏网格的关系，很可能会将人切一半，导致检测性能很差。
细化局部调整窗口的位置，产生更好的结果
使用Q-net*与贪婪策略(GS)进行定性比较，贪婪策略的每一步选择是预测精度增益最高的区域
Q-net选择的区域在短期内似乎不是最优的，但在长期内缩放序列更好，这导致步骤更少，如第一行所示
ER：检测器输出的熵(对象与无对象)是另一种测量粗检测质量的方法
ER的 gain计算:
在粗检测区域足够好或者优于细检测区域，R-net给出的正面分数相对于ER较低；
而在精细检测比粗检测好得多的区域生成更高的分数
CPD：The image in the CPD is low (640×480)
WP： are to 2,000 on the side to fit for our GPU memor
Qnet*：该方法使用Q-net进行细化，对Q-net选择的放大窗口进行局部调整
Rnet*：这是一个R-net学习使用的奖励函数，没有显式编码成本（ 朗达= 0）
Qnet-FC：我们为Q-net开发了具有两个完全连接(FC)层的变体，每个输出单元表示图像上的一个采样窗口
作者提出了一种 zoom-in ，在不改变底层检测器结构的情况下，提高了对大图像的目标检测速度。
首先用R-net对图像进行降采样和处理，以预测放大区域的 gain。
然后，Q-net依次选择放大奖励高的区域进行精细检测。
实验表明，该方法对加州理工学院行人检测数据集(CPD)和高分辨率行人数据集(WP)有效的
