anchor free 目标检测_Anchor-Free目标检测算法

按时间排序的anchor free论文

为什么要anchor free？

1、anchor的数量 大小 和宽高比这些超参要调

2、dense anchor boxes create a huge imbalance between positive and negative anchor boxes during training. This imbalance causes the training to be inefficient and hence the performance to be suboptimal

CornerNet: Detecting Objects as Paired Keypoints

两个角点预测分支和偏移量预测分支 ：预测了两个分支的HxWxC的热图，C是类别数 不含背景类。

whose center is at the positive location and whose σ is 1/3 of the radius

pcij 是类别c在(i，j)上的预测得分，ycij 是用高斯核增强后的gt

原图中(x,y)的位置映射到热力图上是(x/n,y/n),n是下采样因子。

为什么要预测偏移量？因为卷积网络输出的heatmap大小和原图大小不一致，映射会原图会有精度的损失。

embedding分支：loss只用于GT角点位置

左上角的点与右下角的点如果属于同一bounding box，则他们embedding的向量之间的距离应该要小

Corner Pooling：

对于左上角的点，需要水平方向往右找到上边界，垂直方向下找到右边界

测试阶段：

(1)、对heatmap使用maxpooling (相当于做了NMS)

(2)、选择top100的左上角点和top100右下角点，左上角右下角点根据embedding的L1距离来匹配成对，>0.5就不成对

(3)、左上角和右下角点的score取均值作为最终的框的置信度。原图和翻转图送到网络得到框在做soft-NMS

创新点/优点：

(1)对每个角点预测了一个embedding的特征

(2)提出了cornerpooling的操作：左上的角点分别从右往左 和从下往上求最大值的