目標(biāo)檢測——anchor-based 與anchor-free

在自然圖像中，基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)包括anchor-based和anchor-free兩大類。

1、基于anchor-based的技術(shù)包括一個(gè)階段和兩個(gè)階段的檢測。其中一階段的檢測技術(shù)包括SSD，DSSD，RetinaNet，RefineDet，YOLOV3等，二階段技術(shù)包括Faster-RCNN，R-FCN，F(xiàn)PN，Cascade R-CNN，SNIP等。一般的，兩個(gè)階段的目標(biāo)檢測會(huì)比一個(gè)階段的精度要高，但一個(gè)階段的算法速度會(huì)更快。

二步法相對(duì)于一步法有以下幾個(gè)優(yōu)勢(shì)：

（a）.二階段的分類

（b）.二階段的回歸

（c）.二階段的特征

（d）.特征校準(zhǔn)

為了能讓一步法也具備二步法的這些個(gè)優(yōu)勢(shì)，提出了RefineDet、SRN、AlignDet等一些列檢測算法。

2、 anchor-free的技術(shù)包括基于Keypoint與Segmentation兩類。其中基于Keypoint技術(shù)包括CornerNet，CenterNet，CornerNet-Lite等，基于Segmentation的技術(shù)包括FSAF，F(xiàn)COS，F(xiàn)oveaBox等。

anchor-base存在的問題：

?與錨點(diǎn)框相關(guān)超參 (scale、aspect ratio、IoU Threshold) 會(huì)較明顯的影響最終預(yù)測效果；

?預(yù)置的錨點(diǎn)大小、比例在檢測差異較大物體時(shí)不夠靈活；

?大量的錨點(diǎn)會(huì)導(dǎo)致運(yùn)算復(fù)雜度增大，產(chǎn)生的參數(shù)較多；

?容易導(dǎo)致訓(xùn)練時(shí)negative與positive的比例失衡。

Anchor-free算法的優(yōu)點(diǎn)：

?使用類似分割的思想來解決目標(biāo)檢測問題；

?不需要調(diào)優(yōu)與anchor相關(guān)的超參數(shù)；

?避免大量計(jì)算GT boxes和anchor boxes 之間的IoU，使得訓(xùn)練過程占用內(nèi)存更低。