MegDet论文详解(coco2017检测冠军)

Face ++在COCO竞赛中大放异彩，在多个领域获得COCO 2017的冠军。其中，由彭超研究院带领的检测团队获得了检测项目的冠军。同时，对应论文也发表在CVPR 2018上，属于spotlight论文。

---

论文标题：MegDet: A Large Mini-Batch Object Detector》
论文地址：https://arxiv.org/pdf/1711.07240.pdf

---

摘要

MegDet将batch size增加到了256，这对于主流检测网络来说(faster r-cnn/retinaNet等)是一个巨型的batch size。
MegDet的backbone用的使resnet-50，在backbone上没有什么创新。这个目前检测领域最强的模型的创新点集中在mini-batch上。
用超大的mini-batch size，有以下直接好处：

1. 可以并行训练，用128块GPU训练这256的batch，这样将训练时间大大缩短(33h -> 4h).
2. batch normalization的效果更好，一个超大的batch-size意味着一个超强的BN。对于全局BN的获取，文章中提出了一个CGBN，即跨越GPU获得一个全局的BN。对于BN有疑问的可以转《batch normalization》.

其实看到这里，就已经完全掌握了论文中的创新点。可以继续往下看细节

---

大batch和小batch的效果差异

上图比较了batch size为256和16的情况，明显可以看到，超大的batch size会使网络收敛得更快，而且效果更佳。
文章中提到下列现象和原因：

1. 小batch训练时间长到难以忍受；(比如resnet-152在COCO数据集上用8块泰坦XP还训练了3天)
2. 小batch不足以提供准确得数据分布统计给BN层。
3. 小batch的正负样本很难平衡，如果训练时正负样本不均匀也会损害训练效果。(有石锤说明的)

---

等价学习率原则

对于之前他人的经验，有一个“等价学习率原则”。即，如果你的batch size比较大，那你需要一个更大的学习率才能保证你的准确率。
事实上，在检测任务中，如果直接遵循这个原则，可能导致训练结果不收敛的后果。
于是，MegDet改进了这个原则，借鉴了“warmup”学习率策略。热身策略，即一开始用比较小的学习率，待“热身”起来，慢慢增大学习率。这样，既可以获得很高的准确率，又可以避免模型训练不收敛。

---

Cross-GPU Batch Normalization (CGBN)

前面说到，Meg对于一个batch(256)的计算分部在128块GPU上，如果想取得一个全局的BN，那必须跨越GPU来求得。
这个策略也是很简单的，看图：

只是在BN的基础上加了一个GPU间通信，求一个全局的平均数$\mu$μ，一个全局的方差$\sigma^2$σ2，再根据$\mu$μ和$\sigma^2$σ2进行标准化。最后，通过可学习参数$\gamma$γ和$\beta$β对标准化结果进行一个线性变换。为什么要这么做？因为这就是BN的做法，不解可移步《batch normalization》。
当然，CGBN操作也不一定需要求得全局BN，我们也可以定义不同的BN size。作者对不同的BN size对效果的影响也做了一些实验：