FSAF技术中，anchor嵌入的实现方法有哪些？

本文共计1257个文字，预计阅读时间需要6分钟。

FSAF深入剖析FPN在训练中的选择问题，采用超简单的anchor-free分割形式嵌入原网络，几乎对速度无影响，可更精确地选择最优FPN层，带来显著的精度提升。来源：飞翔的算法工程

FSAF深入地分析FPN层在训练时的选择问题，以超简单的anchor-free分支形式嵌入原网络，几乎对速度没有影响，可更准确的选择最优的FPN层，带来不错的精度提升
 
来源：晓飞的算法工程笔记 公众号

论文: Feature Selective Anchor-Free Module for Single-Shot Object Detection

• 论文地址：arxiv.org/abs/1903.00621
• 论文代码：github.com/zccstig/mmdetection/tree/fsaf

Introduction

---

  目标检测的首要问题就是尺寸变化，许多算法使用FPN以及anchor box来解决此问题。在正样本判断上面，一般先根据目标的尺寸决定预测用的FPN层，越大的目标则使用更高的FPN层，然后根据目标与anchor box的IoU进一步判断，但这样的设计会带来两个限制：拍脑袋式的特征选择以及基于IoU的anchor采样。

  如图2所示，60x60选择中间的anchor，而50x50以及40x40的则选择最小的anchor，anchor的选择都是人们根据经验制定的规则，这在某些场景下可能不是最优的选择。