目标检测算法map_2019 AlignDet（One-stage目标检测算法，mAP=44.1）论文阅读笔记-CSDN博客

本文链接：https://blog.csdn.net/weixin_39899630/article/details/112593515

本文介绍了《Revisiting Feature Alignment for One-stage Object Detection》论文，探讨one-stage目标检测中特征对齐问题。作者提出RoIConv，等效于RoI-align，以改善对齐并提高检测效果。实验表明，这种方法在one-stage检测器中取得了较好的性能。

摘要由CSDN通过智能技术生成

背景
《Revisiting Feature Alignment for One-stage Object Detection》是挂在arxiv的论文，作者来自国科大，其中三作是图森科技的王乃岩，知乎大V+检测大V，之前也是TridentNet的作者。虽然是大组的论文，但是这篇文章在知乎上引起了很大的争议，主要是RepPoints的作者（也是来自微软的大牛组）认为AlignDet只是他们论文的baseline（稍作改变）。RepPoints是2019的ICCV，我之前也写过这篇论文的阅读笔记（详情见张凯：2019 ICCV RepPoints目标检测算法（anchor-free，可变形卷积，改进边界框））。

知乎的热议链接：

如何评价目标检测模型AlignDet？www.zhihu.com

论文地址：

Revisiting Feature Alignment for One-stage Object Detectionarxiv.org

一、研究动机

在one-stage目标检测算法中，feature map和anchor的对齐问题是普遍存在的问题。在two-stage的目标检测算法中，RPN提取proposal，然后会在feature map上对应的的位置提取特征（roi-pooling或者roi-align），这个时候新的特征和对应的proposal是对齐的。

但是在one-stage算法中，会普遍存在这个问题，个人理解主要包括两类，第一类是feature map上的