目标检测小结

除了从backbone，neck，head，loss以及数据预处理上理解整个架构，还要从最核心的正负样本定义，匹配上理解，这块分两部分，一是anchor-based的，一是anchor-free方法。此外从最顶层可能要理解一下one-stage和two-stage，目前来看，two-stage的算法已经很少了，主要就是one-stage中的anchor-free和anchor-based的理解。

正负样本分配上，anchor-based的包括anchor生成，AnchorGenerator，anchor-free包括PointGenerator，生成anchor之后，存在要把gt和anchor的框架进行约束的bbox coder，编码到0-1空间后，如何匹配呢？涉及到核心的Assigner，Assigner包括MaxIoUAssigner等等，正负样本分配之后，涉及到如何采样，sampler，采样之后的样本才是真正的样本，之后在送入到loss中计算。

在loss层面，主要包括cls和bbox的分支loss，除此之外，不同的网络对bbox的回归的方式不同，有采用4点，有回归分布的，有回归wh的，另外还有考量边界框置信度，框回归质量的centerness等，对于cls的分类，目前主流的就是focalloss以及fl的改进型号，比如gaussianfocalloss，quiltyfocalloss和ghmc等。