ATSS论文解读和简洁代码实现

本文是对论文Bridging the gap between anchor-based and anchor-free detection via adaptive training sample selection的解读和实现。
在编程过程中，代码中有一些参考或照抄了maskrcnn_benchmark和mmdetection的地方，特此声明。

论文解读

anchor-based和anchor-free的本质区别

论文第一部分通过实验的方式，验证了anchor-base(采用了RetinaNet)和anchor-free(采用了FCOS)的性能差距在于正负样本的划分。
简单回顾一下RetinaNet和FCOS划分正负样本的方法。

检测算法	划分正负样本的方法
RetinaNet	(1)每个pixel处都预先生成一组anchor (2)根据每个anchor和每个物体框的iou来划分正负样本
FCOS	(1)首先根据当前pixel是否在某个物体框内部来生成候选集 (2)采用空间上的尺度约束来得到最终的正样本，其余为负样本

(a)图上表示RetinaNet，(a)图下表示FCOS。

但是，FCOS上采用了很多RetinaNet所没有采用的trick，如下所示：

1. 在detection head网络中采用group norm
2. 采用Giou Loss
3. 划分正样本时，要求正样本的中心点必须位于物体框中
4. 采用了一个中心分支，获取当前预测框的"中心点"的偏移程度
5. 采用了一个scaler方法，对不同level的feature map上的预测框进行调整

而RetinaNet也有一个trick，即每个pixel处有多个anchor。

为了公平的比较，论文中为RetinaNet只保留一个正方形的anchor。这个anchor的尺度为$8S\ast 8S$，这里的$S$表示当前feature map的stride。那么最小的anchor size为$64\ast 64$，最大的anchor size为$1024\ast 1024$。论文中称这样的RetinaNet为RetinaNet(#A=1)。
然后为RetinaNet(#A=1)加入上面提到的trick，于是就可以得到下表：

可以看到目前RetinaNet(#A=1)的性能达到了37.0，并且无关变量完全相同，可以公平的进行比较了。此时RetinaNet(#A=1)和FCOS有两个不同点，即：

• 正负样本划分的方法（如前所述）
• 回归的状态，FCOS是立足中心点，预测当前点到物体框上、下、左、右四个边界的距离。而RetinaNet(#A=1)是预测4个回归因子，利用回归因子和anchor解码得到物体框

下面就需要通过实验验证到底是哪个原因导致了RetinaNet(#A=1)和FCOS的性能差距（37.0对37.8）。
需要做四个实验，即不同样本划分方法（根据iou划分和根据空间尺度约束划分）和不同回归方法（从anchor开始预测和从点开始预测），共有四个实验，实验结果如下所示：

可以看到，不同的回归方法对于性能几乎没有影响，而“根据空间尺度划分样本”要远远优于“根据iou划分样本”，因此可以得出结论，真正决定anchor-based和anchor-free性能差距的原因是正负样本划分方法

atss算法的计算过程

具体计算过程

论文中给出的计算过程：

翻译：
我们假设当前有一个物体$g$，图片上的pixel集合为$C$，anchor集合为$A$，显然这里每个$c_i\in$