计算机视觉系列-轻松掌握 MMDetection 中常用算法 ：ATSS（三）

计算机视觉系列-轻松掌握 MMDetection 中常用算法 ：ATSS（三）

ATSS 算法解读

Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection

Bbox Assigner

ATSS 基本思路：

• 通过给输出特征图上每个点计算其适应度值，值越大表示越适合作为正样本；
• 计算所有适应度值的统计值得到全局阈值；
• 最终高于阈值才是正样本，其余都是负样本，从而实现自适应分配 。

具体步骤：

• 计算每个 gt bbox 和多尺度输出层的所有 anchor 之间的 IoU

• 计算每个 gt bbox 中心坐标和多尺度输出层的所有 anchor 中心坐标的 l2 距离

• 遍历每个输出层，遍历每个 gt bbox，找出当前层中 topk (超参，默认是 9 )个最小 l2 距离的 anchor 。假设一共有 l 个输出层，那么对于任何一个 gt bbox，都会挑选出 topk×l 个候选位置

• 对于每个 gt bbox，计算所有候选位置 IoU 的均值和标准差，两者相加得到该 gt bbox 的自适应阈值

• 遍历每个 gt bbox，选择出候选位置中 IoU 大于阈值的位置，该位置认为是正样本，负责预测该 gt bbox

• 如果 topk 参数设置过大，可能会导致