论文笔记：Side-Aware Boundary Localization for More Precise Object Detection

作者指出，在"there exists displacements with large variance between the anchors and the targets"(即anchor与目标之间存在大量位置偏移时)，传统的中心和size预测并不能很好地解决问题。因此引入side-aware预测。

然而在motivation中，对于方法的提出，作者却给出了几乎没有说服力的解释：

Empirically, we observe that when we manually annotate a bounding box for an object, it is often much easier to align each side of the box to the object boundary than to move the box as a whole while tuning the size.

method：

对于二阶段检测器的整体流程图：

Side-Aware Feature Extraction

在RoIAlign之后，经过2个3 $\times$ 3卷积得到F。再用自注意力机制提高RoI特征 : 使用1 $\times$ 1卷积操作后分别在Y,X轴做softmax得到两种不同的attention map M