目标检测的两种主要标签分配方法是AnchorFree和AnchorBase。AnchorFree方法通过中心点或关键点确定目标位置，而AnchorBase则依赖预定义的锚框。尽管两者在技术上有所不同，但它们都涉及成本计算以定位物体。框可以视为由点和宽高定义的，两种方法本质上都是寻找并修正目标位置的过程。
Yolo-v5
YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎
在目标检测当中通常会有两种标签分配的方法，anchor free和anchor base，个人感觉实质上是相同的，点和框之间是可以相互转化的。
anchor free：就是在进行目标检测时，通过点（中心点和宽高或者关键点（边界点））来确定目标的位置，当网络预测到正确的点的位置就可以找到目标物体。也就是先通过网络提取特征，然后找到特征点，通过这个特征点和标签中的特征点进行cost计算，让网络能够正确的找到物体。
anchor base：就是在进行目标检测时，通过框来进行寻找目标，根据GT生成的中心点以及聚类形成的anchor的尺寸生成预测框，预测框再和gt进行cost计算，让网络修正预测框的位置，直到能正确的找到物体。
个人理解：这两种方式实质一样，框其实也是根据点和宽高形成的。
如果理解有误，还请各位指出~
您可能感兴趣的与本文相关的镜像
Yolo-v5
YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎
2302
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
