uncertainty_bbox
这篇文章的insight是,一个传统bbox label的分布是一个单位脉冲函数,作者的想法是如何使用一个高斯分布来柔和地学习这个单位脉冲函数,
这个高斯分布的均值是bbox在图像中的位置。
方差是“接近label”的程度
——————————————————————————————————
generalized focal loss
这篇文章主要是发现了focal loss中一些不足的地方,主要在于fcos在评估质量和评估类别的关系是不合理的。
- 如何改进?
- (1) 首先作者直接改变了label的定义方式
- (1.1)将分类label改为了 分类label * 关键点定位label(就是fcos中的热力图),关于positive的定义是如何从1变道0.9的(即如何从离散的改为连续的),这一点我也有些疑惑,需要看代码
- (1.2)将位置label从离散的脉冲函数改为了连续的高斯分布。
- (2)对应连续的label 将focal loss改为了连续的形式,同时还要保留focal loss 提取正负样本的特性,提出了 Generalized Focal Loss
—————————————————————————————————
这也就是为什么NanoDet里说,generalized focal loss成功的把 centerness 给去掉了,而且centerness也是很不好训练的一个。
NanoDet Plus