qihshe的博客

文章目录

本文首先指出基于锚点和无锚点检测的本质区别在于如何定义正训练样本和负训练样本，然后，我们提出了一种自适应训练样本选择(ATSS)算法，根据目标的统计特征自动选择正样本和负样本，最后，我们讨论了在图像上每个位置平铺多个锚点来检测目标的必要性（不必要）

作者，。

由于整个检测管道是一个单一的网络，因此可以直接对检测性能进行端到端的优化。，使用层次分类的数据集组合在分类和分割领域是有用的，像多尺度训练这样的训练技术可以在各种视觉任务中提供好处。受限于目标检测数据集的有限性，此前的检测方法局限于一小部分对象，并未能达到识别各种各样目标的目的。结合各种来源的数据和我们的联合优化技术在ImageNet和COCO上同时训练，，通过对检测和分类的共同优化，可以检测9000多种目标类别。我们的ImageNet的。，以提供速度和准确性之间的平滑权衡。，包括各种物体、动物和概念，

哈哈

1、论文的作者想要完成什么，或者已经完成了什么？2、如果一篇论文介绍了一种新方法/技术/方法，那么该新方法的关键要素是什么?3、论文中哪些内容对我有用?4、我还想关注哪些参考文献?