锚点机制在目标检测领域的发展综述

摘要

目标检测是计算机视觉领域的基本任务。近年来,基于深度学习的目标检测研究发展十分迅速,锚点（anchor）机制广泛应用于主流目标检测器中。多尺度的锚点是检测器解决尺度问题的有效方法,但锚点策略也存在尺寸固定、模型鲁棒性差等问题。根据优化锚点设置和无锚点（anchor-free）两种不同思路在目标检测中的发展,进一步分类总结检测模型的优缺点。首先回顾anchor策略提出的背景及原理,介绍基于优化anchor设置的目标检测模型,总结anchor机制存在的问题,引出无锚点（anchor-free）系列模型。在基于关键点的anchor-free模型中,按照检测思路分为基于特定位置关键点的检测器和结合中心关键点回归预测的检测器,分类总结算法的优缺点和使用范围,结合COCO数据集上的检测指标进一步对比。最后在总结融合anchor-based和anchor-free的模型基础上探讨两类算法的本质区别,指出未来的研究方向。

关键词： 目标检测; 锚点; 关键点; 标签分配

目标检测是计算机视觉和图像处理领域的基础问题,为解决自动驾驶、姿态估计等下游视觉任务提供技术保障。目标检测算法识别图像中目标的类别和位置,结合目标分类和定位两个任务。图像中的目标存在形变、遮挡、尺度变化大等特殊情况,给