百度飞桨目标检测教程四:Anchor-Free算法
Anchor-Free 算法解析
Anchor-Free 也可以细分为两种策略
第一种keypoint-based 涉及论文:CornerNet CornerNet Lite
第一种center-based 涉及论文:FCOS CenterNet TTFNet
Overall
经典算法的总结与展示
ppt1
思考?
anchor-based的方法的本质?不管使用什么方法,都是在每一个像素点生成一系列的anchor,然后判断这些anchor是positive还是negative,然后再对anchor中的内容做分类和回归。
anchor-based的方法的优势?一定程度上解决目标尺度不一和遮挡的问题。举个例子来说,如果两个目标的中心靠的很近的话,经过很多层卷积,它们的中心就会映射到一个网格上面,这事必须使用多尺度的一个anchor系列才能把这两个物体都检测出来。
anchor-based的方法的弊端?①依赖过多的手工设计:需要手工设计很多超参数,比如anchor的大小和比例;②训练和预测过程低效:anchor的数量太多了,需要一个一个遍历与真实框进行比较,这样需要的计算力是很大的;③正负样本不平衡:还是说anchor的数量太多,只有很小的一部分anchor是positive的,大部分是negative,这就是正负样本的不平衡。
ppt2
如何表示检测框
anchor-based的方法?用预设的anchor信息+编码出来的信息(偏移量bx, by, bw, bh
)
anchor-free中的keypoint-based方法?首先检测出目标的左上角点和右下角点,然后通过它们之间的组合获取检测框。代表算法cornernet系列
anchor-free中的center-based方法?直接检测物体中心区域和边界信息,然后将分类和回归解耦成两个子网络。代表网络centernet系列,FCOS系列