anchor-free方法总结

cornernet，centernet，onenet，fcos
这几篇论文的引用关系（提出先后顺序）：

将按照上面的顺序，从背景、标签分配等方面说明区别于联系。

一、背景：

Cornernet：认为使用anchor需要很多的超参数和手动设计选择，网络复杂。而且需要大数量的anchor来确保覆盖gtbox，导致正负样本不平衡，降低训练速度，于是提出不用anchor，将检测目标当做一对关键点（box的左上，右下）来检测。

Centernet：关于anchor的背景和cornernet类似，也是将对anchor的检测转化为对关键点的检测centernet认为cornernet在关键点检测之后还需要对预测左上和右下的检测点进行配对组合，降低了速度。提出将检测目标转为对box中心点的检测。

Onenet：onenet将前人分配标签（正负样本）的方法归纳为:box分配方法，point分配方法。Onenet认为这些方法都是分配样本时只关注了样本与标签的位置损失关系，对一个标签分配多个正样本，才会导致出现冗余的高置信度的框，需要nms进行后处理。提出将分类损失也加入到分配标签过程。

Fcos：关于anchor的背景和前面类似，也提出cornernet需要后处理来组合检测出的左上和右下角点，降低了速度的观点。

这四篇论文都是全卷积神经网络。输出HxWx（C+…）

二、输出：

Cornernet输出：HxWx(2x(C+1+2))，包括heatmap（类别数C），embedding（1），角点的Offset（2）:

Centernet输出：HxWx(C+2+2)，包括heatmap（类别数C），目标宽高（2），中心点的offset（2）：

Onenet输出：HxWx(C+4)，包括类别数（C），grid point到四个边的距离（4）

Fcos输出：HxWx(C+1+4)，包括类别数（C），比例系数（1）远离gtbox中心的系数低，该位置到bbox的边界的距离预测（4）。类别分数乘比例系数作为最终的分数。

三、训练：

3.1标签分配&&关于类别的损失函数：

Cornernet：对于类别数为C的目标检测，一个gtbox输入，通过高斯核对gtbox左上和右下角点分别一个HxWxC的heatmap作为标签，heatmap特点如下：

对应类别角点位置为1，远离逐渐减小。

关于类别的损失函数使回归目标为：角点处趋近于1，其余趋近于0。

Centernet：和cornernet类似，对于类别数为C的目标检测，一个gtbox输入，通过高斯核生成对gtbox中心生成一个HxWxC的heatmap作为标签，heatmap特点如下：

对应类别中心点位置为1，远离逐渐减小。

关于类别的损失函数使预测出的HxWxC：gtbox中心点位置处趋近于1，其余趋近于0。

Onenet：取出网络输出HxWx（C+4），C为类别数，4为预测的关键点位置及宽高。如进一个类别为车的gtbox，对对应类（车）的HxW上每一个坐标计算类别损失计算（多分类交叉熵损失）。对gtbox位置（1x1x4），与预测出的HxWx4做位置损失计算。HxW上的类别损失和位置损失之和，找到损失最小的位置作为这个车标签的正样本位置。其余位置均为负样本。

FCOS：对于特征图上的点，映射回原图落在gtbox范围内，则该位置为正样本，其余位置为负样本。

3.2 offset：

Cornernet和centernet都用到了offset回归，因为特征图重新映射回原图会带来精度误差，而cornernet和centernet都是基与grid cell预测角点直接建立或者通过中心加宽高建立bbox，所以必须进行offset预测。

而onenet和Fcos，不用offset回归，通过grid cell预测到bbox四个边的距离，就算grid cell映射回原图有精度损失，可以通过预测距离补偿。

3.3训练过程其他损失函数：

Cornernet在预测角点位置的基础上，通过为左上和右下各预测一个HxWx1的embedding来组合两个角点。回归的目标为：缩小属于同一个目标（第k个目标）的两个角点的embedding vector距离，embedding的实际值不重要。

Centernet在预测中心位置的基础上，预测bbox的宽高，并与真实的宽高进行L1loss计算并反传。

Onenet在预测关键点的基础上，预测关键点到四个边界的距离，损失函数为坐标的L1loss和giou loss。

Fcos在预测关键点后，还预测关键点到四个边界的距离，与真实距离做回归计算。此外还预测center-ness（HxWx1），真值为：中心点为1，原理中心点减小，筛除远离中心点的低质量框。

四、推理：

都是选取分数最高的top k的grid cell作为关键点，Fcos的选取分数需要乘上center-ness。cornernet，centernet，Fcos用到了nms来筛选冗余的高置信度的框，centernet和cornernet将nms换了一种形式（3x3的maxpooling）。Onenet不用nms，直接选最后的top k作为输出。

五、其他细节：

Fcos考虑到大的步距会导致recall低，密集的gtbox重叠会导致一些模棱两可（被两个gtbox覆盖的关键点预测哪个gtbox），通过fpn不同的层负责预测不同size的gtbox解决。