文章：Sun P, Jiang Y, Xie E, et al. OneNet: Towards End-to-End One-Stage Object Detection[J]. arXiv preprint arXiv:2012.05780, 2020.
最近detection方面开始探索如何减少手工设计，抛弃NMS后处理，一些比较典型的如detr、sparse rcnn等，通过稀疏的输出（100个预测结果），使得网络可以不用nms就能输出少量正确的框。近期sparse rcnn的作者又搞了一篇基于anchor的onenet，也是一篇很有启发的文章。
文章首先分析了为什么训练中在把proposal分配给gt的时候，很难做到one-to-one匹配，原因是之前的方法在分配正样本的时候是根据位置分配的，如计算proposal和gt之间的IoU或中心点的距离，这样对于定位是有利的，又因为网络的优化目标是定位+分类，而在分配正样本时只考虑了定位，因此两者之间的不统一造成了性能问题。
文章提出了Minimum Cost Assignment，在分配正样本的时候同时计算定位以及分类的cost，并且每个gt框只匹配cost最低的proposal。在inference的时候，只选择cost最低的前100个框作为网络输出。这样，就可以完成1对1匹配了。
分配的cost计算如下：
三部分组成，分别是分类cost（Focal Loss），中心点L1距离以及框的gIoU。
整体来看，文章的思路很清晰，提出的方法也非常简单有效，onenet采用的主体网络就是简单的one-stage FPN+ResNet，每个位置预测C维分类logit以及4维bbox。不过在与centernet对比的实验部分，在大输入尺寸的情况下，APl和APm还是低一些。
网友评论