arXiv-2021
文章目录
- [1 Background and Motivation](#1 Background and Motivation)
- [2 Related Work](#2 Related Work)
- [3 Advantages / Contributions](#3 Advantages / Contributions)
- [4 Method](#4 Method)
- [5 Experiments](#5 Experiments)
-
- [5.1 Datasets and Metrics](#5.1 Datasets and Metrics)
- [6 Conclusion(own)](#6 Conclusion(own))
1 Background and Motivation
2 Related Work
3 Advantages / Contributions
4 Method
(1)输入端,mosaic 和 mixup,最后 15 个 epochs 会关闭
(2)预测头
解耦头会收敛更快,精度也会更高,但会增加运算的复杂度
anchor free,以 640 输入为例,总预测数量 ( 20 ∗ 20 + 40 ∗ 40 + 80 ∗ 80 ) ∗ ( 80 + 1 + 4 ) = 8400 ∗ 85 (20*20 + 40*40 + 80*80) * (80 + 1 +4) = 8400* 85 (20∗20+40∗40+80∗80)∗(80+1+4)=8400∗85
anchor based,以 640 输入为例,总预测数量 3 ∗ ( 20 ∗ 20 + 40 ∗ 40 + 80 ∗ 80 ) ∗ ( 80 + 1 + 4 ) = 3 ∗ 8400 ∗ 85 3*(20*20 + 40*40 + 80*80) * (80 + 1 +4) = 3*8400* 85 3∗(20∗20+40∗40+80∗80)∗(80+1+4)=3∗8400∗85
正负样本分配:初步筛选、SimOTA
初步筛选
a. 根据中心点来判断:寻找anchor_box中心点,落在groundtruth_boxes矩形范围的所有anchors
b.根据目标框来判断:以groundtruth中心点为基准,设置边长为5的正方形,挑选在正方形内的所有锚框。
这一步还是有候选框或者说 anchor 的概念的
因为不同层金字塔特征图上的空间位置映射为原图,还是有大小的
精细筛选---SimOTA
a.初筛正样本信息提取
b.Loss 函数计算
c.cost 成本计算
d.SimOTA 求解
假设初步筛选从 8400 筛选到只剩 1000, simOTA中,会选 cost 最小的前 k 个 作为正样本
可能出现共用情况,一个正样本分配了多个 GT
选 cost 最小的
5 Experiments
5.1 Datasets and Metrics
6 Conclusion(own)
解耦的好处在于:在检测的过程中分类需要的特征和回归所需要的特征不同,所以在 Decoupled Head 中进行解耦处理后学习的过程会变得更加简单。