[论文解读]CVPR2019 | FSAF:Feature Selective Anchor-Free Module for Single-Shot Object Detection 自动选择特征层

论文名称：Feature Selective Anchor-Free Module for Single-Shot Object Detection
作者：Chenchen、Zhu Yihui He、 Marios Savvides from Carnegie Mellon University

Motivation:

作者认为传统的anchor-based检测方法有2个缺点：
1、引导式的特征选择 ;
2、重叠的anchor采样；（没大懂）
The FSAF module addresses two limitations brought up by the conventional anchor-based detection:

1. heuristic-guided feature selection;
2. overlap-based anchor sampling.

因此，作者提出anchor-free的在线式的选择特征层的方法，尤其是对FPN的多个特征层选择，并且在这个训练的同时也可以采用anchor-based的方法并行训练。
实验表明：在COCO上达到了44.6%的MAP的好成绩。

Introduction
One challenging problem for object detection is scale variation.
作者认为最大的问题是目标检测在尺度变化上的问题。如果采用公式：$$l^{\prime }=l_0+lo{g}_2(\sqrt{wh}/224)$$来分层决定尺度的话，不能保证为GT指派最合适的feature map。如40X40与50X50的车被化分到同一特征层上。
于是作者提出的FSAF模型用于解决上述问题。该模型主要是让实例选择最合适的特征层次进而来优化网络，因此，在该模型中不应该存在anchor限制特征的选择。
Related Work
aspects:

1. how to create the anchor-free branches in the network;
2. how to generate supervision signals for anchor-free branches;
3. how to dynamically select feature level for each instance;
4. how to jointly train and test anchor-free and anchor-based branches).

architecture
FPN 有7层，文中只画了3层。在 RetinaNet 的 box 和 cls 分支上仅仅各加了一层 conv layer，分别生成一个 W × H × K classification output 和一个 W × H × 4 的 regression output
不多说直接上图：

ground-truth & loss

class:
每一个 pixel 预测这个位置是什么类别，共K个类别，在第k个类别上的instance在feature map 上的映射的 0.2 倍 box 内为 positive，在 0.5 倍 box 内进行忽略，不进行反向传播；其他都设为0。以此，进行回归。
location:
直接回归中心附近点（ 0.2 倍大小范围内）到边框的距离。
而 regression output 只针对于 0.2 倍的 instance box 进行训练，回归像素点（i，j）离边界的距离。
直接上公式：
网络出来的预测值乘上比例系数（文中为4.0)：
$$[$$