百度飞桨目标检测教程四：Anchor-Free算法

百度飞桨目标检测教程四：Anchor-Free算法

Anchor-Free 算法解析

Anchor-Free 也可以细分为两种策略

第一种keypoint-based 涉及论文：CornerNet CornerNet Lite

第一种center-based 涉及论文：FCOS CenterNet TTFNet

Overall

经典算法的总结与展示

ppt1

思考？

anchor-based的方法的本质？不管使用什么方法，都是在每一个像素点生成一系列的anchor，然后判断这些anchor是positive还是negative，然后再对anchor中的内容做分类和回归。

anchor-based的方法的优势？一定程度上解决目标尺度不一和遮挡的问题。举个例子来说，如果两个目标的中心靠的很近的话，经过很多层卷积，它们的中心就会映射到一个网格上面，这事必须使用多尺度的一个anchor系列才能把这两个物体都检测出来。

anchor-based的方法的弊端？①依赖过多的手工设计：需要手工设计很多超参数，比如anchor的大小和比例；②训练和预测过程低效：anchor的数量太多了，需要一个一个遍历与真实框进行比较，这样需要的计算力是很大的；③正负样本不平衡：还是说anchor的数量太多，只有很小的一部分anchor是positive的，大部分是negative，这就是正负样本的不平衡。

ppt2

如何表示检测框

anchor-based的方法？用预设的anchor信息+编码出来的信息（偏移量bx, by, bw, bh）

anchor-free中的keypoint-based方法？首先检测出目标的左上角点和右下角点，然后通过它们之间的组合获取检测框。代表算法cornernet系列

anchor-free中的center-based方法？直接检测物体中心区域和边界信息，然后将分类和回归解耦成两个子网络。代表网络centernet系列，FCOS系列

CornerNet

ppt1

CornerNet

Cornernet: Detecting