今天说的是《Soft Anchor-Point Object Detection》，其也是最近关于anchor free的目标检测的论文，作者来自于CMU，一作同样也是FSAF(2019 CVPR)的作者。该论文的出发点还是在样本选择和FPN特征选择层面。
背景
Anchor free是目标检测领域的一个研究热点，其主要可以分为anchor-point和keypoint两类。后者在往往在一个高分辨率的特征图上进行检测，其优点是准确率高，但是计算量大。而anchor-point的方法往往在多个分辨率上进行检测，结构简单，速度更快。作者认为anchor-point的方法性能不高主要还是在于训练的不充分，主要是注意力偏差(attention bias)和特征选择(feature selection)。因而作者提出了两种策略：1)soft-weighted anchor points对不同位置的样本进行权重分配，2)soft-selected pyramid levels，将样本分配到多个分辨率，并进行权重加权。
方法框架
整体框架其实和FSAF是类似
● Soft-Weighted Anchor Points ●
清晰的目标更容易获得关注和更高的分数，而边缘或者被遮挡的目标比较难检测。具体的问题如下：
上图中有五个足球运动员，分类输出的得分图score map如图b所示，可以看到有两个运动员的得分区域占了主导地位。甚至这两个运动员的得分区域还侵占了其他运动员的得分区域。
作者认为引起该问题的主要原因是特征不对齐，位于gt边缘的anchor和位于中心的anchor不应被同等对待。解决思路就是对不同位置的样本引入不同的权重，其离gt的中心越近，其权重越高，离gt中心越远，其权重越低(因为边缘往往意味着包含很多背景信息)。从而引入了广义中心度来确定权重：
概述我们的训练策略与h soft-weighted anchorpoints和soft-selected pyramid levels。黑条表示正锚定点对网络损耗贡献的指定权重。
● Soft-Selected Pyramid Levels ●
该问题实际上在FSAF中也研究过，即如何选择合适的分辨率(尺度)来进行目标的检测。FSAF是通过loss来选择合适的分辨率。该论文同时也借鉴了FoveaBox将一个anchor映射到多个分辨率进行检测的思想(实际上工程中也会用到)来提升性能。同时作者还给不同的分辨率分配不同的权重。具体地，作者额外训练了一个子网络来预测不同尺度的权重，该网络具体为：
而该子网络的输入，是在不同分辨率上利用roialign提取gt(ground truth)的特征，并concat起来。
实验结果
作者和FSAF(基于anchor-free分支)进行比较，soft-weighted anchor points(SW)策略提升了1.1个点，soft-selected pyramid levels(SS)提升了1个点。作者还采用了BFPN(2019 CVPR Libra RCNN中的特征融合策略)进行了加强，还能有性能提升。
可视化结果
论文最好的性能是47.4，在R50上也达到了41.7。
总结
作者在FSAF的基础上进一步地分析了现有的两个问题：注意力偏差和特征选择问题。前一个问题通过对不同样本加权实现，后一个问题通过对不同分辨率加权实现，论文讲述清晰，思路简单。同时也要注意到，该论文特征选择预测网络的训练问题，工程上是否真的有效还需进一步地尝试验证。
论文地址：由于头条的限制,需要请留言
)
...)
)
