论文笔记:Soft Anchor-Point Object Detection

作者针对两个问题：
1.如何使anchor-free模型head性能更好？
2.如何更好地利用特征金字塔？

作者证明了，不高效的训练是造成anchor-point detector无法成为最优的主要原因。
分别给出了原因：注意力偏差和特征选择。
最后给出方案：soft-weighted anchor points and soft-selected pyramid levels

其中，注意力偏差指"拥有良好视野的物体过多的吸引检测器的注意力"而特征选择和我论文的第二点意思相当。

注意力偏差解释如下图：

作者想表达的意思是，站在较远处的人相对的没有获得与更加"前景"的人相当的confidence(颜色略浅)。但是下图作者的改进中似乎仍然没有解决这一问题。对此，作者给出的原因是：在目标边界处没有必要的高confidence导致了特征的misalignment。在边界处的anchor没有与目标对应得很好的特征(被背景或其他目标遮挡)。

作者的解决方法：
将目标实际位置与anchor的中心的距离作为一个anchor的惩罚权重，加入到损失函数的计算中(仅针对正样本，负样本不做改动)。公式和图例如下：