作者：Amusi
Date：2019-12-10
微信公眾號： CVer
連結： 47.4mAP！最強Anchor-free目標檢測網路：SAPD

前言

最近目標檢測相關的論文非常多，可見Object Detection還是有很多工作(坑)可以做(填)的。上次 Amusi 就整理了近期值得關注的目標檢測論文，詳見：一文看盡16篇目標檢測最新論文（ATSS/MnasFPN/SAPD/CSPNet/SM-NAS等）

在此推薦大家關注計算機視覺論文速遞知乎專欄，可以快速瞭解到最新優質的CV論文

縱覽2019年，目標檢測除了NAS分支外，Anchor-free算是佔據"半壁江山"。其中比較亮眼的工作有很多，如：FSAF、FCOS、CenterNet、FoveaBox和FreeAnchor等

SAPD：Soft Anchor-Point Detector

時間：2019年11月28日

作者團隊：卡耐基梅隆大學(CMU)

論文連結： https://arxiv.org/abs/1911.1244 8

近來，anchor-free 目標檢測器在準確性和速度方面都顯著的超越 anchor-based 的檢測器。在SAPD這個工作中，作者旨在為anchor-free 檢測器尋找速度(FPS)和準確性(mAP)之間的新平衡。

Single-model single-scale speed (ms) vs. accuracy (AP) on COCO test-dev

SAPD 研究了兩個問題：

1）如何使 anchor-free 目標檢測的"head"更好？

2）如何更好地利用特徵金字塔的特性？

作者將注意力偏差（attention bias）和特徵選擇分別確定為上述兩個問題的主要痛點。於是作者提出使用一種新的訓練策略來解決這些問題，該策略具有兩種 soften 最佳化方法，即：

SW：soft-weighted anchor points

SS：soft-selected pyramid levels

為了評估演算法的有效性，作者訓練了一個稱為SAPD：Soft Anchor-Point Detector的single-stage anchor-free 檢測器。實驗表明，優雅的 SAPD 將速度/準確度的 trade-off 達到了一個新的水平，超過了之前的 anchor-based，anchor-free，single-stage和 multi-stage 檢測器（這裡其實都是各家吹捧的點，各種打敗SOTA，大家聽聽就好，因為實際上目前並沒有出現mAP和FPS都是SO他的檢測演算法）。

SAPD 可以在 COCO 上實現 47.4％ mAP（單模型單尺度）。作者稱：SAPD最快的版本可以比其他具有相同的精度的檢測器速度快5倍！

網路結構

anchor-point detector 訓練策略：soft-weighted anchor points 和 soft-selected pyramid levels