目标检测中的Feature Alignment问题

最近面试中遇到了这个问题，自己答得不好。因此又重新调研了这一块内容并做个记录，可能理解不全面，欢迎各位批评指正。

目标检测中的Feature Alignment问题主要分为：

1.分类与回归特征不匹配问题，即分类与回归部分所需要的特征不同，当前使用共享全连接层或者卷积层的操作会带来特征冲突问题。

2.Anchor与特征不对齐问题，主要包含两个：
1）feature map上的同一个点同时对应了大小不同的多个anchor，这里存在一个对齐的问题，可以使用FPN结构缓解；

2）回归后的Anchor相对于原始位置已经发生了较大变化，但是分类和回归仍然使用原始位置特征进行预测，这也是特征对不齐的问题。

一、Two-Stage算法：

两阶段算法主要包含：第一阶段是特征提取和proposal生成，主要是RPN网络；第二阶段是对候选框进行进一步筛选、精修和细分类，主要是ROI Pooling/Align等网络。

针对问题1分类与回归特征不匹配问题，解决方案有：

论文：Double-Head RCNN: Rethinking Classification and Localization for Object Detection：