nanodet阅读：（1）概述

一、前言

出于某些需要，阅读一下anchor-free模型的代码，因为之前用过nanodet，对其印象深刻，所以重温一下代码。好记性不如烂笔头，多记录、多总结、多分享。
正如作者博客说的：NanoDet总体而言没有特别多的创新点，是一个纯工程化的项目，主要的工作就是将目前学术界的一些优秀论文，落地到移动端的轻量级模型上。

二、正文

1. 模型整体特点
模型之所以轻量，是因为作者用了
① 轻量的backbone ： 经典轻量级模型，如mobilenet, shufflenet等；
② 轻量的FPN ：完全去掉PAN中的所有卷积，只保留1x1卷积来进行特征通道维度的对齐，上采样和下采样均使用插值来完成；
③ 轻量的head ：深度卷积、减少卷积个数与维度、边框回归和分类共享同一组卷积。
此外还因为作者选择了
① 合适的损失函数GFocal Loss；
② 合适的正负样本定义方法ATSS；
③ 轻量但性能不弱的backbone；
④ 成熟的模型架构 backbone + pan + head；
⑤ head不共享权重(检测头非常轻量的情况下，共享权重会降低其泛化能力);

使得模型虽然轻量，但性能不差。

2. nanodet anchor 大小及生成。
nanodet虽说是anchor-free路线，但还是有anchor的，其作用主要体现在训练时的正负样本定义（ATSS）阶段，其他时候只会用到anchor的中心坐标（如计算bbox时）。

def get_single_level_center_point(
        self, featmap_size, stride