anchor free和anchor based
anchor free 不做预设框,直接自己回归出框
anchor based 提前定义好框的大小,用这个去扫描找出目标框
yolox 学习笔记
- yolox只使用anchor free,不像之前目标检测那样使用anchor based或者两者一起结合之类。
- anchor free借鉴的是FCOS。 FCOS的思想就是将每个点看作为训练样本。对于特征图上的点(x,y)直接映射到原图上面,然后进行回归,回归出目标框。【根据(x,y)是不是落在GT上,而且类别跟GT是不是一致来判断正负样本】
- 但是FCOS因为是直接根据点落在任意一个真实框和GT类别来判断正负样本,那么这样就很容易有一个问题:一个物体落在两个或者多个GT框里面,那么就会被认为是模糊样本。
- 我们之前解决模糊样本一般都是用多级预测(FPN算法之类)来解决,不同level检测不同尺寸的目标
- 但是在yolox里面,作者用的是simota,他属于ota的一个升级版,在他自家OTA基础上做优化,省掉Sinkhorn-Knopp迭代求解过程,减小了训练时间
- 在看OTA 论文里面,我们可以了解到ota对于这种模糊样本问题,采用的最优运输方式对网络的提升非常大
- 传送链接OTA