ATSS论文的译读笔记

ATSS: Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection

摘要

  目标检测多年来由anchor-based的检测器主导。如今，anchor-free检测器由于FPN和Focal-Loss的提出变得十分流行。本文首先指出，anchor-based和anchor-free检测之间本质的差异时在于如何定义训练的正负样本，这会导致它们之间性能的差距。如果它们在训练中使用相同的正负样本定义，在最终的性能上则不会有明显的不同，无论它们是从box还是point上进行回归。这表明如何选择训练的正负样本对于目标检测器来说是十分重要的。于是，本文提出 Adaptive Training Sample Selection (ATSS) 通过目标的统计特性自动地选择正负样本，可以大幅度地提升anchor-based和anchor-free检测器的性能以及弥补它们之间的差距。最后，本文探讨了为了检测目标在图像的每个位置上平铺多个锚点的必要性。在MS-COCO上的大量实验支持了上述的分析和结果。借助新引入的ATSS，本文将SOTA的检测模型提升至50.7%AP，且没有引入其它开销。本文代码开源在https://github.com/sfzhang15/ATSS。