Feature Selective Anchor-Free Module for Single-Shot Object Detection

在网上找资料时，发现一篇推文CVPR2019目标检测方法进展，重点介绍cvpr2019年目标检测亮眼文章，里面提到很多惊奇的改进思路，值得一看。

Feature Selective Anchor-Free Module for Single-Shot Object Detection

这篇论文是在RetinaNet上加上anchor-free分支，使用anchor-based和
anchor-free进行联合训练得到最终的FSAF模型。

输出anchor-free分支解释

在RetinaNet的输出端，FSAF在每层引入了额外的两层卷积层，分别用于基于anchor-free分支的分类及回归，分别生成一个 W × H × K classification output 和一个 W × H × 4 的 regression output。

输出详解

对于给定的一个实例，我们知道其类别k，及bounding box坐标

所以下图中，对于‘car’这个实体，对于第l层的尺寸为

1. 分类的输出
   anchor-free就是标签没有使用anchor box，在 instance 的 0.2倍 box=(bl(p)) 内为 positive，提供的标签即为“车”这个 class id；在 0.5 倍 box=(bl(p)) 内进行忽略；其他都设为负。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

在训练时，该实例可以被放到任意一层中。定义b在Pl层上的映射为

网络中关于实体的有效区域为：

及忽略区域

比例区域，通过比例系数 e(e)=0.2和e(i)=0.5控制。

2. 框回归的输出
   

   回归输出的ground truth是与类别无关的4个offset maps，实例只作用于offeset maps上的有效区域.对于该区域内的每个像素，用一个四维的向量表示映射框
   
   分别代表当前像素与上，左，下，右边的距离。

在进行Inference时，需要将分类及回归分支的预测结果进行解码，假设对于某个位置(i,j)，预测的偏移量为

，则预测得到的距离为

，同时预测得到的映射框的左上角及右下角的位置为

参考

CVPR2019 | 目标检测 FSAF：为金字塔网络的每一层带去最好的样本
论文阅读笔记四十六：Feature Selective Anchor-Free Module for Single-Shot Object Detection（CVPR2019）