论文:Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection
论文链接:https://arxiv.org/abs/1912.02424
代码链接:https://github.com/sfzhang15/ATSS
2018年发表的CornerNet重新掀起了目标检测领域基于anchor-free实现目标检测算法的热潮,所以随后的一年多时间可以看到大量的anchor-free论文,比如FCOS、CenterNet等,但anchor-based目标检测算法依然占据着非常重要的地位。这篇博客要介绍的论文:ATSS(Adaptive Training Sample Selection)主要就是研究anchor-free和anchor-based算法之间的关系,内容上主要包括2大方面:1、对于基于anchor-based和anchor-free的目标检测算法之间的效果差距做了详细的对比实验,得出的结论就是如何确定正负样本是影响这2类算法的重要原因。2、提出了ATSS方式来确定正负样本。这2个方面其实就包含在论文题目中了。
这篇论文看下来还是比较清晰易懂的,切入点在于基于anchor-based和anchor-free的目标检测算法之间的效果差异到底是由什么原因造成的?于是作者分别选了2个代表性算法:RetinaNet和FCOS,二者在COCO数据集上的mAP分别是32.5和37.8,差距还是比较大的。
此时就得分析下RetinaNet和FCOS在算法上的差异,主要有以下3点:
1、RetinaNet在特征图上每个点铺设多个anchorÿ