网络资料整理,若侵则删。
10.1 在检测算法中正负样本是如何分配的
标签分配算法
目标CNN-based的目标检测器是预测 pre-defined anchors 的类别 (cls) 以及偏移量 (reg) 。
为了训练目标检测器,需要为每个anchor 分配 cls 和 reg 目标,这个过程称为标签分配或者正采样。
一些经典的标签分配方法:
RetinaNet、Faster-RCNN: 使用 pre-defined anchors 与 groudtruth 的 IoU 阈值来区分正负样本。
YOLOV5: 为了增加正样本数量,使用 pre-defined anchors 与 groudtruth 的 宽高比进行正采样。
FCOS:处于groundtruth的中心区域的anchors作为正样本。
FCOS发表于ICCV 2019,是常用的无需锚框(先验框、anchor)
的目标检测算法之一。
核心思想:将铺设锚框变为铺设锚点,进行物体检测。
所谓铺设锚框,又称为Anchor-Based,是指在输出特征图上的每个像素的位置,放置几个预先定义的anchor框,在网络训练过程中,对这些anchor框进行分类与回归。
通过GT框和这些an