论文解析：基于全卷积网络的端到端目标检测

目前，主流的目标检测算法大都需要经过人工设计的标签分配和NMS后处理，使之不能实现完全端到端的目标检测。那么，如何才能在全卷积神经网络上实现完全的端到端目标检测呢？针对这一问题，本文从两个维度作出了解答。一是提出了prediction-aware one-to-one assignment（POTO)标签分配策略，同时根据分类和回归的质量动态分配正负样本。二是提出3D Max Filtering (3DMF)，利用多尺度特征提高卷积在局部区域的鉴别能力。

1. 研究背景

非极大值抑制（Non-Maximum Suppression，NMS），顾名思义就是抑制不是极大值的元素，用于目标检测中，就是提取置信度高的目标检测框，而抑制置信度低的误检框。

目前，主流的目标检测算法大都会用到NMS，特别是基于锚点框的目标检测算法。用在当解析模型输出到目标框时，目标框会非常多，具体数量由锚点框的数量决定，其中有很多重复的框定位到同一个目标，NMS用来去除这些重复的框，获得真正的目标框。如上图所示，人、马、车上有很多框，通过NMS，得到唯一的检测框。

2. 问题提出

由以上分析可以看出，NMS是一个“one-to-many”标签分配策略，一个真实的边界框对应多个预测框。在这种机制下，一方面，要设置尽可能多的预测框来增加网络的鲁棒性；另一方面，过多的预测框引起了更多的重复样本。对此，很多研究学者做出了一些改进，但效果并不是很好。

其实，要实现完全的端到端目标检测，解决方法也很简单。就是要抛弃传统的NMS，让一个真实框只生成一个预测框，也就是“one-to-one”标签分配策略。

3. 研究方法

为了实现“one-to-one”的标签分配策略，本文提出的方法的两个关键是：POTO和3DMF。得到的模型整体框架如下：<