目标检测 Anchor-free和Anchor-based的区别

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.