Anchor Based和Anchor Free之间区别主要有以下两点:1.分类差异(关键正负样本定义)2.回归差异
1.分类差异:
现阶段的算法多尺度预测,即GT是由哪一个特征层和位置Anchor预测。
Anchor Based是由IoU来确定哪层和哪个位置的Anchor来预测,这个的选择是根据图像中目标物体的大小来决定。有个很牛逼名字叫启发式引导。
Anchor Free是Scale Ratio确定GT在哪层,利用Center Sampling确定那些位置是正样本。
在Anchor based的算法中存在的问题:第一个正负样本不均衡,第二个是超参数的引入【每层的Anchor数量、尺度、高宽比】
为什么Anchor数量会多呢?目标位置、以及形状的可能性,导致需要大量的框。框不够就会出现漏检的情况。因为正样本的选择有完全依赖IoU,而与真实物体达到一定置信度的Anchor相对于负样本来说少得可怜,就会导致正负样本不均衡的问题,也就会导致为什么准确率低的原因。
超参数的选择更是玄学中的玄学,技术不高就别玩绝招哦!!!!
基于Anchor Based中:在L1层中由于感受野太大,Anchor太小IoU无法达到所要求的置信度,所以在L1特征层不能确定是否包含目标。在L2中真实物体的中心在中间像素点上,正样本数量则为1.
基于Anchor Free中:L1同上,在L2中有两个Anchor中心点在GT中,因此可以理解