Movitation

作者发现在训练过程中存在两个问题

• 正负样本不均衡（OHEM,focal Loss等都是解决这个问题）
• 样本的尺度不均衡问题，在基于iou的匹配策略下，小尺度的样本更难匹配到合适的anchor。

     插一句，个人感觉小目标在这种基于anchor的检测方法中性能较差的本质原因在于有效训练的样本过少，最终计算loss时正样本选择的是和anchor匹配上的样本，大目标很容易和尺度类似的anchor达到很高的iou，而小目标即使anchor尺寸类似，由于由于anchor密度的原因，仍然更难匹配到合适的anchor，因此解决方法应该分为三点：1，增大训练样本中的小样本数量，更多的输入自然就有更高的概率获得有效样本（方法如训练样本过采样，DAS生成小目标样本）；2，增大小尺度anchor的密度（如S3FD），anchor密度增加，可以匹配的有效样本自然更多。 3，降低小尺度目标匹配的iou阈值

方法

    将参与训练的样本按照尺度分为不同的组，计算loss是每组等比例采样（以前是所有正样本都使用的）。ps，这里的样本指的就是anchor在训练过程中的实例化，更直白点就是和target匹配上的anchor，不是输入的图片。这样做的结果是各尺度的样本在训练过程中是公平的，相当于输入的训练样本各尺度均衡一样，避免被某种尺度主导loss。

 

贡献

 

   先解释一下，灰色框中16/16,32/16 et..第一个数字代表anchor的尺度，第二个数字代表anchor的step（在原图上的像素距离，一般，传统的我们都按照feature map的尺寸放置anchor，基本上feature map一个点对应一个anchor，因此anchor的step一般和feature的step相等）。

  这篇文章最大的贡献就是发现了FPN网络有效的原因是应为不同scale的anchor的step不同，并非是因为使用了多层特征，b和c的性能类似。c和d都使用了相同层的特征，相同scale的anchor，但是anchor的step不同，由此d中的大scale的anchor数量远多于c，从而大目标的匹配的有效anchor更多，检测器更偏向于大目标。c通过改变不同scale的anchor的step，使得其分布类似于fpn，最终取得和fpn类似的结果。

     最终给我们的启示，训练过程中各scale的有效样本（匹配到正样本的anchor数量）数量应该均衡，这样训练出来的检测器才更好。