Anchor Based和Anchor Free
Anchor Based和Anchor Free之间区别主要有以下两点：1.分类差异（关键正负样本定义）2.回归差异
1.分类差异：
现阶段的算法多尺度预测，即GT是由哪一个特征层和位置Anchor预测。
Anchor Based是由IoU来确定哪层和哪个位置的Anchor来预测，这个的选择是根据图像中目标物体的大小来决定。有个很牛逼名字叫启发式引导。
Anchor Free是Scale Ratio确定GT在哪层，利用Center Sampling确定那些位置是正样本。
在Anchor based的算法中存在的问题：第一个正负样本不均衡，第二个是超参数的引入【每层的Anchor数量、尺度、高宽比】
为什么Anchor数量会多呢？目标位置、以及形状的可能性，导致需要大量的框。框不够就会出现漏检的情况。因为正样本的选择有完全依赖IoU，而与真实物体达到一定置信度的Anchor相对于负样本来说少得可怜，就会导致正负样本不均衡的问题，也就会导致为什么准确率低的原因。
超参数的选择更是玄学中的玄学，技术不高就别玩绝招哦！！！！
基于Anchor Based中：在L1层中由于感受野太大，Anchor太小IoU无法达到所要求的置信度，所以在L1特征层不能确定是否包含目标。在L2中真实物体的中心在中间像素点上，正样本数量则为1.
基于Anchor Free中：L1同上，在L2中有两个Anchor中心点在GT中，因此可以理解为正样本数量为2.因此从这个方面我们也可以理解为什么Anchor Free会好于Anchor Based。
总结一下：
Anchor Based的正负样本的选项方法：计算FPN每层的IoU来确定特征层，然后计算指定特征层位置的IoU确定具体位置。将IoU大于置信度的设置为正样本，小于某个置信值的为负样本，其他删除。
Anchor Free选择依据：空间和比例约束将anchor points分为不同的金字塔等级。首先将groundtruth框内的anchor point视为候选正样本，然后根据为每个金字塔等级定义的比例范围从候选样本中选择最终的正样本，最后那些未选择的锚点为负样本。
2.回归差异：
对于一个正样本而言，Anchor Based回归起始状态是一个Anchor Box如图(b)所示；而Anchor Free起始状态是一个Anchor Point 如图©所示。
大神制作总而言之，还是归结于正负样本的选择。
关于Anchor Free的最新论文与代码如下所示：
论文地址：https://arxiv.org/pdf/1912.02424.pdf
代码地址：https://github.com/sfzhang15/ATSS
Anchor Based和Anchor Free相关推荐
- Anchor Based和Anchor Free的相爱相杀与ATSS的诞生
前言 我们都知道按照是否出现RPN可将目标检测算法分为two-stage和one-stage,其中one-stage的一个主要代表便是YOLO系列,而根据是否存在先验锚框的定义我们也可以将其分为Anc ...
- 【AI面试】Anchor based 、 Anchor free 和 no anchor 的辨析
深度学习的目标检测算法,通常会在输入图像中采样大量的区域,然后判断这些区域中是否包含我们感兴趣的目标,并调整(回归)区域边界,从而更准确地预测目标的真实边界框(ground-truth boundin ...
- GHM(anchor based)
https://blog.csdn.net/qq_21949357/article/details/102699367 目标检测论文阅读:GHM(anchor based) 论文链接:https:// ...
- 目标检测论文阅读：GHM(anchor based)
目标检测论文阅读:GHM(anchor based) 论文链接:https://arxiv.org/abs/1811.05181 代码链接:https://github.com/libuyu/GHM_ ...
- 论文阅读 [TPAMI-2022] Grid Anchor Based Image Cropping: A New Benchmark and An Efficient Model
论文阅读 [TPAMI-2022] Grid Anchor Based Image Cropping: A New Benchmark and An Efficient Model 论文搜索(stud ...
- Fast Fuzzy Clustering Based on Anchor Graph
Fast Fuzzy Clustering Based on Anchor Graph 基于锚图的快速模糊聚类 FFCAG 模糊聚类十分流行: 大规模问题复杂度高,限制发挥 对噪声敏感 FFCAG算法 ...
- anchor base和anchor free, 小物体检测, YOLO V1-3 9000 V4 V5 的区别，yolov5-8, yolox创新点
文章目录 Anchor base和Anchor Free的区别: 如何增强模型对小物体的检测效果 Yolo基本思想 不同版本的Yolo网络差异 YOLO V1 YOLO V2 YOLO9000 YOL ...
- Anchor Base 和 Anchor Free
1 概念 1.1 什么是Anchor Anchor也叫做锚,其实是一组预设的边界框用于在训练时学习真实的边框位置相对于预设边框的偏移.通俗点说就是预先设置目标可能存在的大概位置,然后再在这些预设边框的 ...
- FoveaBox 超越anchor based检测框架
目标检测系列文章 yolo v1原理:https://blog.csdn.net/cjnewstar111/article/details/94035842 yolo v2原理:https://blo ...
最新文章
- [IOI2008]Island
- springBoot静态资源优先级)
- EncodeUtil
- mysql升级回退_Mysql 升级、用户与授权，
- OkHttp协议介绍以及文件下载和上传+OkHttp协议封装+OkHttp拦截器____SpringBoot——集成Okhttp3
- 用exp无法导出空表解决方法/用exp导出数据时表丢失原因
- 计算机学院毕设中期检查报告,毕业设计中期检查报告
- 如何在微信小程序里面退出小程序
- java.util.StringTokenizer
- 通过idea的Git使主干项目合并到分支中（主干同步到分支）
- 超乎认知 认知智能十大黑科技 我国首次对外公布 道翰天琼认知智能
- 2.股票入门课（新版）
- 台积电跪舔美国，日本却醒悟了而选择独立发展芯片产业
- 2023华中师范大学新传考研经验
- 使用Python计算化学式的相对分子质量
- 使命召唤 计算机配置,使命召唤17电脑配置要求高吗 COD17最低配置介绍_游侠网...
- 2018北邮网研机试-B
- # 用Python浪漫表白（爱人表白树/玫瑰）
- system verilog 绿皮书学习笔记-方法思维导图
- 计算机专业会不会经常打字,经常用电脑打字，都懒得写字，根本不想写，请问有什么坏处吗？感觉打的字数量比写的字要多很多...