ATSS:Adaptive Training Sample Selection

本文提出了一种基于目标统计特性的无超参数自动划分正样本和负样本的ATSS方法。算法1描述了该方法如何对输入图像进行处理。对于图像上的每个ground-truth box $g$，我们首先找出它的候选正样本(positive)。如第3 - 6行所述，在每个金字塔层级上，我们根据L2距离选择中心最接近$g$的中心的$k$个锚盒(anchor box)。假设存在$L$个特征金字塔水平，则ground-truth box $g$将有$k\times L$候选正样本。在此之后，我们在第7行计算这些候选正样本与ground-truth box $g$之间的IoU，$D_g$，其均值和标准差计算为$m_g$和$v_g$，在第8行和第9行。根据这些统计数据，这个ground-truth box $g$的IoU阈值在第10行为$t_g=m_g+v_g$。最后，我们选择IoU大于或等于阈值$t_g$的候选框作为最终正样本，在第11 - 15行。值得注意的是，我们还将正样本的中心限制在ground-truth box中，如第12行所示。此外，如果将一个锚盒分配给多个ground-truth box，则将选择IoU最高的那个。其余为负样本。我们的方法背后的一些动机如下所述。

根据anchor box与目标之间的中心距离选择候选对象。 对于RetinaNet，当锚盒中心更靠近物体中心时，IoU更大。对于FCOS，锚点离目标中心越近，检测质量越高。因此，离物体中心越近的锚是更好的选择。
使用均值和标准差之和作为IoU阈值。 一个目标的IoU平均值$m_g$是对该目标的预置锚点的适用性的度量。如图3(A)所示，高的$m_g$表示它有高质量的候选对象，IoU阈值应该是高的。如图3(b)所示，低的$m_g$表示它的大多数候选锚点都是低质量的，IoU阈值应该是低的。此外，对象的IoU标准差$v_g$是判断哪些层适合检测该对象的指标。图3(a)所示的高$v_g$意味着有一个最适合此目标的金字塔级别，将$v_g$添加到$m_g$可以获得一个高阈值，仅从该级别选择阳性结果。图3(b)所示的低$v_g$意味着有一些适合这个对象的金字塔级别，向$m_g$添加$v_g$可以获得一个低阈值来从这些级别选择适当的正样本。利用均值$m_g$和标准偏差$v_g$的和作为IoU阈值$t_g$，可以根据对象的统计特征，自适应地从适当的金字塔水平上为每个对象选择足够多的正样本。
将正样本的中心限制在目标上。 具有中心在物体外的锚点是较差的候选框，会被物体外的特征所预测，不利于训练，应予以排除。
维护不同对象之间的公平性。 根据统计理论，约有16%的样本处于置信区间$[m_g+v_g,1]$理论。虽然候选对象的IoU不是一个标准的正态分布，但统计结果表明，每个对象约有$0:2\ast kL$的正样本，其大小、长宽比和位置是不变的。相比之下，RetinaNet和FCOS的策略对于较大的对象往往具有更多的正样本，导致不同对象之间的不公平。
保持尽可能无超参数。 在我们的方法中只有一个超参数k。后续的实验将证明它对k的变化相当不敏感，所提出的ATSS可以被认为是无参数的。