作者：Amusi
Date：2019-12-10
微信公众号： CVer
链接： 47.4mAP！最强Anchor-free目标检测网络：SAPD

前言

最近目标检测相关的论文非常多，可见Object Detection还是有很多工作(坑)可以做(填)的。上次 Amusi 就整理了近期值得关注的目标检测论文，详见：一文看尽16篇目标检测最新论文（ATSS/MnasFPN/SAPD/CSPNet/SM-NAS等）

在此推荐大家关注计算机视觉论文速递知乎专栏，可以快速了解到最新优质的CV论文

纵览2019年，目标检测除了NAS分支外，Anchor-free算是占据"半壁江山"。其中比较亮眼的工作有很多，如：FSAF、FCOS、CenterNet、FoveaBox和FreeAnchor等

SAPD：Soft Anchor-Point Detector

时间：2019年11月28日

作者团队：卡耐基梅隆大学(CMU)

论文链接： https://arxiv.org/abs/1911.1244 8

近来，anchor-free 目标检测器在准确性和速度方面都显著的超越 anchor-based 的检测器。在SAPD这个工作中，作者旨在为anchor-free 检测器寻找速度(FPS)和准确性(mAP)之间的新平衡。

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

SAPD 研究了两个问题：

1）如何使 anchor-free 目标检测的"head"更好？

2）如何更好地利用特征金字塔的特性？

作者将注意力偏差（attention bias）和特征选择分别确定为上述两个问题的主要痛点。于是作者提出使用一种新的训练策略来解决这些问题，该策略具有两种 soften 优化方法，即：

SW：soft-weighted anchor points

SS：soft-selected pyramid levels

为了评估算法的有效性，作者训练了一个称为SAPD：Soft Anchor-Point Detector的single-stage anchor-free 检测器。实验表明，优雅的 SAPD 将速度/准确度的 trade-off 达到了一个新的水平，超过了之前的 anchor-based，anchor-free，single-stage和 multi-stage 检测器（这里其实都是各家吹捧的点，各种打败SOTA，大家听听就好，因为实际上目前并没有出现mAP和FPS都是SOTA的检测算法）。

SAPD 可以在 COCO 上实现 47.4％ mAP（单模型单尺度）。作者称：SAPD最快的版本可以比其他具有相同的精度的检测器速度快5倍！

网络结构

anchor-point detector 训练策略：soft-weighted anchor points 和 soft-selected pyramid levels