GA-RPN是一种CVPR2019提出的区域提议网络，它利用语义特征指导锚点生成，预测物体中心位置和形状大小。该方法旨在解决人工设置锚点的问题，降低计算量并平衡正负样本比例。GA-RPN包含位置预测和形状预测两个部分，通过1x1卷积和像素级sigmoid确定物体中心，然后用deformable convolution调整特征图，使特征与不同大小的anchor匹配。损失函数结合了bounded IoU Loss，并对正负样本采样处理，实验结果显示其有效性和鲁棒性。
Region Proposal by Guided Anchoring
（CVPR2019）
论文GA-RPN旨在有指导性地生成anchor，不是一种真正的anchor-free检测算法。但是这种方法可以利用语义特征来指导anchor，会预测感兴趣物体中心可能出现的位置和不同位置目标的形状大小，即首先预测anchor的形状大小和位置。GA-RPN和anchor-free算法的过程有类似之处，前者先用关键点（中心点）预测anchor位置及大小、再进行anchor的细化；后者提取特征后，直接用关键点对目标的位置和大小进行回归，没有后续的细化过程。
GA-RPN算法提出的动机是认为anchor的设计不应该全部依赖于人工经验，设置数量、尺度、比例等，设置的不合理会影响检测结果；其次，anchor不应该设置的过于密集，造成计算量巨大；最后，anchor正负样本
最低0.47元/天 解锁文章
扫一扫
433
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
