文章地址:https://arxiv.org/pdf/2107.11669.pdf
1. Motivation
目标检测与实例分割的损失函数通常由分类,box回归,mask预测损失加权所得,其权重调参十分费时,且让不同工作进行fair comparison变得困难。近期提出的ranking-based loss(如AP loss和aLRP loss)比起传统的score-based loss有两点优势:1)直接优化AP使得训练和测试时的目标一致,且减少超参;2)对类别不平衡问题鲁棒。然而缺点是它们需要更长时间的训练和更多增强。