1回答

会写代码的好厨师

2020-01-31

这个要从Anchor-based算法的劣势来看，应该需要anchor，所以必然会带来一些问题，比如：

1) 使用anchor时，需要在每个特征尺度上密集平铺，而仅有很少一部分是正样本，即正负样本的比例差别很大；最终有很多计算都花费在无用样本，且一般使用时需要进行预处理，挖掘难负例；

2) 需要预定义的anchor size以及aspect ratio。检测性能会收到这些预定义的参数的影响，如果在每一个位置设定的anchor的数量太多，也会导致计算量成倍增长；

anchor-free 的方法从更本质的角度上来看，是改变了目标检测真值的预测方式，anchor-based的方法基本上都是从bbox的角度出发，而anchor-free出现了一些新的定义方法：比如cornernet定义为角点，extremenet定义为极值点和中心点，FSAF、FoveaBox定义为矩形框的中间区域，FCOS虽然是矩形框，但是经过center-ness抑制掉低质量的框，其实也是一种变相的将gt定义为矩形框中心区域。gt重新定义之后，需要检测的目标语义变得更加明确了，有利于分类和回归。

从性能上来看，anchor-free效果已经接近anchor-based，不过还有很多路要走，新的方法也会越来越多。

1

1

慕慕0439991

谢谢您的回复；我在想，Anchor-Free的方法是不是可以看做是一种pixel的预测？

2020-02-12

共1条回复