目标检测中的label assignment

• 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。