以下纯属个人理解,如有不对请各路大神指点, 没图的文章不一定是烂文章,请大家耐心看完:
1.anchor-based模型收敛快,由于设置了anchor, 就有了回归的基础,不像anchor-free那样是从0回归,这样收敛的会更快.
2.anchor不是网络模型一部分,不是网络的本身天然的东西,好像油珠子浮在水上一样,不像anchor-free网络那样整体性好.
3.对预测目标适用性不好,当预测的对象里出现了一些宽高比很大的对象时,预测效果没有anchor-free算法好.
4.feature map上1个像素点预测的对象个数不同,anchor-based 1个像素点可以预测多个对象,anchor-free只能预测一个对象.
5.anchor-based算法平滑行不够,虽然featuremap上1个像素点设置多个anchor, 但是回归的目标是一个连续的量,用一个离散的量去预测一个连续的量,显然不够平滑.
6.感受野其实是一种 隐式的anchor, 既然有个隐式的,目标检测一般用多尺度预测的方法,1个feature map上设置的anchor的尺寸和有效感受野的尺寸比较接近,所以说感受野是一种隐式的anchor.