Anchor-based和Anchor-free优缺点对比

已于 2022-05-10 21:28:47 修改
阅读量4.5k 收藏 12
点赞数 1
文章标签： 目标检测 深度学习 人工智能
于 2022-05-10 11:39:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43570470/article/details/124684360
版权
本文对比了Anchor-based和Anchor-free目标检测方法的优缺点。Anchor-based方法对锚框设计敏感，调参困难，且存在类别不平衡问题；而Anchor-free方法虽然简化了设计，但召回率和处理重叠目标的能力相对较弱。
摘要由CSDN通过智能技术生成

目录

1. Anchor-based的缺点

2. Anchor-free的缺点

1. Anchor-based的缺点

锚框设计的好坏一定程度上决定了检测算法的性能上限。

1）Anchor-based的检测性能对anchor box的大小、纵横比和数量非常敏感，也就是说要小心调参。而设计锚框用到了众多的超参数，这带来了调参困难、使用起来不够简便等问题。

锚框设计有三个超参数：

  1. 锚框的关联层：选择哪些特征层作为关联锚框的检测层
  2. 锚框的大小：每个检测层上关联锚框的尺度大小
  3. 锚框的比例：每个检测层上关联锚框的长宽比例

锚框设计好后，训练过程中需要对锚框进行匹配，划分正负样本。锚框匹配有两个超参数：

  1. 选取正样本的IoU阈值：大于等于该IoU阈值的锚框是正样本
  2. 选取负样本的IoU阈值：小于等于该IoU阈值的锚框是负样本

2）即使经过小心调参，由于anchor box的尺寸固定，导致其普适性大打折扣。对于不同的任务以及形变较大的目标（待检测的物体类别、场景、尺度、比例不同），可能都需要人为地根据经验对锚框超参数进行设计和调节，经验不足的新手很难达到较好的应用效果。且在应用基于锚框的检测算法时，最耗时的地方就在于锚框超参数的调整。

3）anchor-based类算法为了得到尽可能高的召回率，需要很多anchor box防止漏检。但因为大部分

最低0.47元/天 解锁文章
不瘦8斤的妥球球饼
关注
消除anchor-base与anchor-free检测算法之间的精度差距——ATSS 论文笔记
weixin_42384432的博客
07-16 547
ATSS 论文笔记 作者：Shifeng Zhang, Cheng Chi, Yongqiang Yao, Zhen Lei , Stan Z. Li 论文地址：https://arxiv.org/pdf/1912.02424.pdf 这篇文章主要是解决检测问题中如何标注正负样本的问题。 Introduce 对于目标检测网络中的标注正负样本的问题，当前主要有两种方法，一是像Faster-RCNN、RetinaNet等anchor-base的网络，通过anchor与groundtruth之间的IoU值来决
经典论文系列 | 缩小Anchor-based和Anchor-free检测之间差距的方法：自适应训练样本选择
CV技术指南（微信公众号）
10-24 470
前言 本文介绍一篇CVPR2020的论文，它在paperswithcode上获得了16887星，谷歌学术上有261的引用次数。 论文主要介绍了目标检测现有的研究进展、anchor-based和anchor-free的背景和各自的方法差异，并提出了一种新的正负样本选择方案，用于消除这两者之间的差距。 注：论文讲述了很多关于anchor方面的知识，这篇文章保留了较多原论文中的内容，在介绍新方法的同时，可作为深入理解anchor的文章。 论文：Bridging the Gap Between Ancho.
Anchor-based 与 Anchor-free 优缺点
ytusdc的博客
08-07 9094
Anchor-based机制的优缺点 1. 优点： （1）使用anchor机制产生密集的anchor box，使得网络可直接在此基础上进行目标分类及边界框坐标回归； （2）密集的anchor box可有效提高网络目标召回能力，对于小目标检测来说提升非常明显。 2. 缺点： （1）anchor机制中，需要设定的超参：尺度(scale)和长宽比( aspect ratio)是比较难设计的。这需要较强的先验知识。 （2）冗余框非常之多：一张图像内的目标毕竟是有限的，基于每个anchor设定大量anch
目标检测-Anchor-based和Anchor-free笔记
最新发布
qq_53000090的博客
08-07 309
anchor point：是feature map中的每个像素点的坐标（亚像素）-->不是真的像素，比如20*20的特征图一个1*1的格子就是一个像素，但这个各自内部有点，是亚像素。80*80+40*40+20+20=8400，例如yolov8，相较于yolov5少了2/3的预测框。anchor的宽高是一个先验信息：根据经验或者聚类计算数据集的真实框的宽高。yolov5输出的是bbox的中心点坐标偏移量和bbox的宽高因子。一般说的anchor指的是只有宽高的信息。
2 anchor-base和anchor_free两者的优缺点
qq_40231159的博客
04-08 7792
anchor-base和anchor_free两者的优缺点 anchor-base和anchor_free两者的优缺点 一、什么是anchor 二、anchor-base和anchor-free的区别 三、anchor-free和single anchor 三、anchor-base和anchor-free的优缺点 参考 一、什么是anchor 从字面的意思解释，anchor就是船锚，用来固定船的位置。 而在计算机视觉中的anchor和字面意思很相近，被称为锚点或者锚框，进而在目标检测中经常出现
【CV】Anchor-based 与 Anchor-free 优缺点
学无止境、积少成多、厚积薄发
06-01 654
参考 https://blog.csdn.net/ytusdc/article/details/107864527 https://www.zhihu.com/question/356551927/answer/926659692 https://zhuanlan.zhihu.com/p/76710711
目标检测之anchor_based和anchor_free优缺点
pangxing6491的博客
03-11 668
https://blog.csdn.net/andyjkt/article/details/108582515
目标检测中的anchor-based 和anchor free
吴建明wujianming_110117
04-01 697
目标检测中的anchor-based 和anchor free anchor-free 和anchor-based 区别 深度学习目标检测通常都被建模成对一些候选区域进行分类和回归的问题。在单阶段检测器中，这些候选区域就是通过滑窗方式产生的 anchor；在两阶段检测器中，候选区域是 RPN 生成的 proposal，但是 RPN 本身仍然是对滑窗方式产生的 anchor 进行分类和回归。 a...
Bridging the Gap Between Anchor-based and Anchor-free Detection 阅读
努力奋斗
01-18 505
Abstract 最近（2020年的文章），由于 FPN 和 Focal Loss 的提出，anchor-free 检测器变得流行起来。本文首先指出：anchor-based 和 anchor-free 检测的本质区别实际上是如何定义正负训练样本，这导致了它们之间的性能差距。如果他们在训练过程中采用相同的正负样本定义，无论是从一个框回归还是从一个点回归，最终的表现都没有明显差异。这表明如何选择正负训练样本对于当前的目标检测器很重要。然后，我们提出了一种自适应训练样本选择（ATSS）来根据对象的统计特征自动选
[ATSS]Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive TrainingCVPR.2020
Ah丶Weii
02-25 226
1. Motivation ​ anchor-based method（RetinaNet）和 anchor-free method（FCOS）的主要差异体现在以下4点： The number of anchors tiled per location. The definition of positive and negative samples. The regression starting status. 而目前FCOS的实验结果会比RetinaNet好，因此在这三个差异中，哪一点是造.
anchor base和anchor free, 小物体检测, YOLO V1-3 9000 V4 V5 的区别，yolov5-8, yolox创新点
Hello Word!
03-06 2419
把卷积最后一层输出的feature map上不同大小的候选框（对应原图上的候选框），转换为相同大小的特征，作为下一层全连接的输入。使用双线性内插的方法获得坐标为浮点数的像素点上的图像数值,从而将整个特征聚集过程转化为一个连续的操作。将主流目标检测器分为：input，backbone, neck,head。ROI Pooling和ROI Align：都是把特征图上不同大小的ROI转换成相同大小的输出特征。ROI Align （Mask RCNN中提出）：是对ROI Pooling的改进，主要区别是。
Anchor based and Anchor free(无锚VS有锚)【总结】
热门推荐
深度学习
03-15 2万+
anchor-based方法使用不同大小和形状的anchor框来回归和分类目标，例如faster rcnn、retinanet和yolo等。anchor-free，例如fcos、atss和cornernet等。anchor-free方法比anchor-based方法更简单和灵活，但可能存在召回率或定位精度低的问题。
anchor-free存在什么缺点？
qq_29462849的博客
07-13 1560
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨Kissrabbit、CK1998来源丨知乎问答编辑丨极市平台导读本文汇总了一些知乎上关于anchor-free存在的缺点的...
（二）anchor-base与anchor-free的区分
weixin_44463519的博客
06-18 1826
本章主要讲了Anchor-based与Anchor-free的区别，这个问题是面试必考题，非常重要，所以我才把它单独放置为了一个章节。
目标检测中的anchor-base与anchor-free
m0_61899108的博客
02-12 9473
前言 本文参考目标检测阵营 | Anchor-Base vs Anchor-Free 如何评价zhangshifeng最新的讨论anchor based/ free的论文? - 知乎 基础知识 | 目标检测中Anchor的认识及理解 目标检测领域的发展从anchor-free到anchor-base，现在又有回到anchor-free的趋势，学术界技术的迭代更新也引导着工业界的变革。今天我们就从anchor出发，分析对比基于anchor-base和anchor-free的检测算法及优劣特.
anchor-free、anchor-based整理
IS_MOKE的博客
10-24 2082
anchor-free、anchor-based整理）Anchoranchor-basedanchor-free单尺度预测多尺度预测基于关键点估计总结 参考博客 Anchor 目标检测分为对候选框的分类和回归，对于候选框的产生方式：1、two-step通过RPN（区域候选网络）产生proposal；2、通过滑窗产生anchor anchor-based 问题：正负样本不均衡、超参数的引入（每层的Anchor数量、尺度、长宽比） faster-RCNN：逐像素的对Anchors进行边界框的回归和定位 SSD
Guided Anchoring 论文笔记
weixin_39558227的博客
11-13 339
论文链接 文章主旨： 1.利用语义特征来帮助产生锚框，取代预设锚框的方法,预测了目标的中心点位置可能存在在哪里以及不同位置的尺寸和比例。2.除了预测锚框形状还用特征自适应模块缓解了特征不一致的情况。 Code 锚框简介 对于锚框有两条规则：alignment（对齐）&&consistency(一致性)，1.锚框的中心要和特征图的像素点对齐；2.特征图上每个位置的感受野要能够和锚框的...
【计算机视觉 | 目标检测】术语理解8：模型的实时处理能力，Panoptic Segmentation（全景分割），解耦结构，Anchor-Based，Anchor-Free，特征金字塔网络
wzk4869的博客
07-05 1407
【计算机视觉 | 目标检测】术语理解8：模型的实时处理能力，Panoptic Segmentation（全景分割），解耦结构，Anchor-Based，Anchor-Free，特征金字塔网络
anchor based和anchor-free
07-27
Anchor-based和Anchor-free是两种不同的目标检测方法。Anchor-based方法使用预定义的anchor框来匹配真实的目标框，通过回归和分类来检测目标。这种方法包括Faster R-CNN、RetinaNet和YOLO等。而Anchor-free方法则不使用预定义的anchor框，而是通过回归目标的中心点和宽高来检测目标。这种方法包括FCOS、ATSS和CornerNet等。Anchor-free方法相比于Anchor-based方法更简单和灵活，但可能存在召回率或定位精度低的问题。Anchor-free方法的优点是不需要预设anchor，只需要对不同尺度的特征图的目标中心点和宽高进行回归，减少了耗时和算力，并且可以避免一些由于anchor设置不合理导致的漏检或重复检测问题。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* *3* [Anchor based and Anchor free(无锚VS有锚)【总结】](https://blog.csdn.net/qq_44029998/article/details/129561783)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [Anchor Base 和 Anchor Free](https://blog.csdn.net/Lc_001/article/details/129436513)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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