目标检测论文阅读：Bridging the Gap Between Anchor-based and Anchor-free

最新推荐文章于 2023-12-25 20:07:45 发布

原创

最新推荐文章于 2023-12-25 20:07:45 发布 · 1.1k 阅读

5 ·

CC 4.0 BY-SA版权

目标检测论文阅读：Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection

论文链接：https://arxiv.org/abs/1912.02424
在https://www.zhihu.com/question/3595的问题下看到了一篇挺有意思的文章，去看了下。这篇paper的cascade r-cnn其实很多地方有点像：都是围绕着iou阈值和采样这方面做了一些文章；本身论述风格也很舒服，先从anchor-based与anchor-free的性能差异来着手。

1. 背景

anchor-based之前介绍过，目前主流有两种，一种是类似corner那种做关键点检测的，另一种则是FCOS那种每个点做一个单独的样本，paper重点讨论的是后者。先看一下retinanet和fcos的结构图：
在这里插入图片描述
抛出FCOS的center-ness分支，其实二者非常相似，但从网络来说，唯一的差别就是retinanet最后预测的通道数多了一个A的系数，用来标识每个位置的不同anchor。
那么问题来了，为什么两者性能差异这么大？只是预测方式的不同会产生如此巨大的Gap吗？