2020CVPR解读之ATSS：Bridging the Gap Between Anchor-based and Anchor-free Detection

2020CVPR解读之ATSS：Bridging the Gap Between Anchor-based and Anchor-free Detection

论文
源码

思考与学习

1.论文详细解释了anchor-free与anchor-based的本质区别，此外，使用ATSS去尝试解决label assignment的问题
2.ATSS是目标检测中可以学习借鉴的点，解决正负样本的选取问题。无论是anchor-based还是anchor-free采用ATSS都有一定的性能提升。
3.当前Anchor-free detectors可以分为两种类型：• Keypoint-based：Cornernet、Centernet 和• Center-based：FCOS、Foveabox。
4.虽然ATSS需要借助于铺设1个anchor来选取正样本，但无论这1个anchor铺什么比例，或铺多大尺寸，ATSS提升都挺稳定，主要是因为ATSS会根据目前所铺设的anchor，自适应地根据统计信息来选取合适的正负训练样本。
5.关于label assign的上限问题。由于label assign没有ground-truth，因而很难做上限分析。关注label assign的除了FreeAnchor、PISA、ATSS之外，还有一篇与ATSS几乎同时放出来的MAL，它的ResNet-50的结果也是39.2。虽然实现方式各有差异，但都只做到39出头。
5.本文的创新点：
（1）基于上述分析的区别，先指出了anchor-based检测与anchor-free检测的本质区别；
（2）提出了一种自适应训练样本选择(ATSS)，根据目标的统计特征自动选择正样本和负样本；
（3）讨论了在图像上每个位置平铺多个anchor点来检测目标的必要性。正确的选取正负样本以后并不是很有必要平铺多个anchor.

---

下文为论文的翻译及解读：

1.摘要

多年来，基于锚的探测器一直是目标检测的主流。近年来，由于FPN的提出和focal loss的增加，无锚探测器成为一种热门的探测器。本文首先指出了锚定检测和无锚检测的本质区别在于如何定义正负两种训练样本，从而导致两者之间的性能差距。如果他们在训练中采用相同的正负样本定义，无论从一个盒子或一个点回归，最终的表现都没有明显的差异。这说明如何选择正、负训练样本对当前的目标检测具有重要意义。然后，提出了一种自适应训练样本选择（ATSS）方法，根据对象的统计特性自动选择正样本和负样本。它显著改善了基于锚和无锚检测器的性能，并缩小了两者之间的差距。最后，我们讨论了在图像上每个位置平铺多个锚来检测目标的可行性。在COCO上进行的大量实验支持我们的上述分析和结论。通过新引入的自动测试系统，我们在不引入任何开销的情况下，将最先进的探测器提高了50.7%的AP。

2.引言