上个大学哪有不疯的？硬撑罢了！

ATSS全名Adaptive Training Sample Selection，是在2020年提出的针对目标检测模型的一种自适应训练（正负）样本选择算法，并不是一种目标检测模型。本文针对ATSS的论文，对其中的有价值的研究结果进行了要点总结。

在视觉领域，其实最常用的还是BN，但BN也有缺点，通常需要比较大的Batch Size。对于比较大型的网络或者GPU显存不够的情况下，通常无法设置较大的batch size，此时可以使用GN。为了验证自己理解的是否正确，下面使用Pytorch做个简单的实验，创建一个随机变量，分别使用官方的GN方法和自己实现的GN方法做对比，看结果是否一样。对比官方和自己实现的方法，下图左边是通过官方GN方法得到的结果，右边是通过自己实现GN方法得到的结果。很明显和官方得到的结果是一模一样的，这也说明了自己的理解是正确的。

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.csdn.net/weixin_41735859/article/details/89288493。

RetinaNet在2017年提出，是一个里程碑性质的模型。在目标检测领域，作为一个one-stage网络，它首次超过了当时流行的two-stage模型。RetinaNet在模型方面没有颠覆性的创新，使之超越当时流行目标检测模型的原因是提出了新颖的loss计算方式：Focal Loss