物体检测器自己学anchor_anchor dection

参考：
１

Anchor

1. anchor是物体检测中的重要概念，通常是人为设计的一组框，作为分类和框回归的基准框。无论是单阶段检测器还是两阶段检测器，都使用了anchor。
2. 两阶段检测器的第一阶段是采用RPN生成proposals，是对anchor进行分类和回归的过程。即anchor—proposals—detection bbox。
3. 大部分单阶段检测器是直接对anchor进行分类和回归，即anchor—detection bbox。
4. 常见的生成anchor的方式是滑窗，也就是首先定义k个特定尺寸和长宽比的anchor，然后在全图上以一定的步长滑动。这种方式在Faster RCNN和SSD和RetinaNet等方法中使用。
5. 通过滑窗生成anchor虽简单但是很多缺点。
   缺点一：anchor的尺度和长宽比需要预先定义，这是一个对性能影响很大的超参，而且对于不同数据集和方法需要单独调整。
   缺点二：若预先设定的anchor的尺度和长宽比设置不合适，会导致recall不够高。
   缺点三：若预先设定的anchor的尺度和长宽比设置不合适，会导致大部分的anchor都分布在背景区域，对proposal或者检测不会有任何正面作用。
   缺点四：预先定义好的anchor形状不一定满足极端大小或者长宽比悬殊的物体。
6. 综上这４个缺点，所以想要的是稀疏、且形状根据位置可变的anchor。

anchor的生成

1. 通常使用４个数(x,y,w,h)来描述一个anchor。即中心点坐标和宽高。
2. anchor的生成可以被分解为两个过程
   过程一：anchor位置预测
   过程二：anchor形状预测

位置预测

1. 位置预测的目标是预测哪些区域应该作为中心点来生成anchor，是一个二分类问题，不同于RPN和segmentation的分类，这里不是预测每个点是前景还是背景，而是预测是不是物体的中心。
2. 将整个feature map的区域分为物体中心区域、外围区域和忽略区域。将ground truth框的中心一小块对应在feature map上的区域标为物体中心区域，在训练的时候作为正样本，其余区域按照离中心的距离标记为忽略样本或者是负样本。
3. 通过位置预测，可以筛选出一小部分区域作为anchor的候选中心点位置，使得anchor的数量降低。
4. 在inference时，预测完位置后，可以采用masked conv替代普通的conv，只在有anchor的地方进行计算，可以加速。

形状预测

1. 形状预测的目标是给定anchor中心点，预测最佳的长和宽，是回归问题。
2. 以前预测长和宽的方法是：先算出target，即该中心点的anchor最优的w和h。然后用L1/L2/Smooth L1这类loss来监督。但是target不好计算。
3. 改进办法：直接使用IOU监督来学习w和h。计算IOU是可导的操作，让网络自己去优化使得IOU最大。
4. 对于以前常规的anchor，是计算它和所有ground truth的IOU，然后将它分配给IOU最大的ground truth。
5. 对于上面提出的改进办法中，现在的anchor的w和h都是不确定的，所以不可能把所有可能的w和h遍历一遍然后求IOU的最大值。所以采用近似方法，采样一些常见的w和h值，例如实践发现采样9组w和h值就足够，而且发现结果对于采样的w和h的组数的超参是不敏感的。即表示：不管采样多少组，近似效果已经足够。

生成anchor

1. 得到anchor位置和中心点的预测后，就可以生成anchor，此时生成的anchor是稀疏而且每个位置不一样。
2. 采样生成的anchor取代滑动窗，平均召回率超过普通的RPN区域候选网络很多，代价仅仅是增加两个1 * 1卷积（这个代价是很小的）