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。
    在这里插入图片描述
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值