- 与分类和分割不同,目标检测存在其特有的正负样本定义问题(label assignment),其显著影响着检测器的检测性能。
- label assignment根据是否需要适应多层结构,存在不同维度的定义:
(1) 在FPN出现前,label assignment只需要考虑特征图的每个位置的正负性,我们称其为spatial dimension。
(2) 在FPN出现后,label assignment除了需要考虑特征图的每个位置的正负性,还需要考虑某个尺寸的特征图应预测哪个尺寸范围的物体,我们称其为scale dimension。 - 纵观目标检测模型的发展过程,label assignment有以下两种解决方法。
(1) overlap-based(heuristic-guided):R-CNN系列、YOLO系列、RetinaNet等较早的anchor-based目标检测算法通常采用IoU-based的label assignment;以FCOS为代表的一些center-based anchor-free模型则通过判断特征点是否落入GT框内或GT框中心区域内来进行label assignment。
(2) learning-to-match(2019~2020):FreeAnchor,FSAF,AutoAssign,MAL等。
目标检测中的label assignment
最新推荐文章于 2023-03-27 19:56:30 发布