0 引言
在anchor-based的检测方法的训练过程中, 有一个重要问题就是需要根据anchors与GT(ground truth,真实的目标框)的匹配来确定正负样本。 有了正负样本, 就可以计算loss了。 anchors与GT的匹配可以有很多不同的策略(参考: 总结目标检测匹配策略与改进思路), 一个简单且常用的策略是直接根据anchor与GT的IoU来判断。
具体的策略是:
- anchors与GT的IoU大于一定的阈值, 则这个anchor是正样本, 如果某个anchor与多个GT的IoU都大于阈值, 取具有最大IoU的GT作为label;
- 如果anchors与GT的IoU没有大于正样本阈值, 但与某个GT具有最大的IoU,则这个anchor也作为正样本, 这样做的目的是为了让GT尽量有anchor与之匹配;
- 如果anchors与GT的IoU小于负样本阈值, 则为负样本;
- 如果anchors与GT的IoU介于2者之间, 则是忽略样本。