参考代码地址：Feature-Selective-Anchor-Free-Module-for-Single-Shot-Object-Detection

1. 概述

导读：这篇文章对于一阶段（文中baseline为RetinaNet）的检测模型回归提供了一个新的特征选择机制：anchor-free的特征选择机制（feature selective anchor-free，FSAF）。它解除了原有anchor-based中使用IoU采样与一些特殊规则制定的特征选方案的限制，使用在不同的特征层上使用anchor-free的检测分支，让检测的目标去动态划分寻找所需要的特征（按照最小损失准则），它与原有的anchor-based的检测分支相并行，并且可以很方便地嵌入到现有的模型中。实际上也会证明文章的方法有效，在COCO数据集上获得了44.6的mAP。

在基于anchor的一阶段检测模型中，默认使用最佳anchor box大小的形式安排不同的回归目标到不同的特征层上进行回归，这种机制的优化结构见下图所示：

上面提到的检测方法设计有如下的一些问题：

• 1）特殊规则制定的特征选择机制：人为地通过制定一些规则将anchor（比如按照box的size）划分到特征金字塔的不同层次上，但是这样的划分机制主要是通过人为经验来的，因而并不能说是最优的方案；
• 2）基于IoU的anchor采样：训练的时候检测的目标会被分配给与其IoU最为适配的anchor上；

对于上面的两点问题文章是使用FSAF模块进行解决，它的思想就是让每个检测的目标自由选择最适合其回归的检测分支，而并非使用原有anchor-based方法的限制，它的设计思想可以用下图进行描述：

在上图中，每个特征层上使用一个anchor-free的检测分支单独与回归检测边界与分类置信度，而且检测目标可以按照其内部信息（based on the instance content）而不是大小选择这些检测分支，从中选择最好的进行回归。基于此的改进效果还是很明显的，见下图：

2. 方法设计

2.1 网络结构

这篇文章的网络结构见下图4所示：

其中在原有anchor-based检测分支的基础上增加了一个anchor-free的检测分支（预测对应的中心到边界框的4个距离），下面的内容主要分为：anchor-free的回归机制与基于instance content的特征选择机制。

2.2 anchor-free分支的回归表示

对于需要回归的检测框目标表示为$b=[x,y,w,h]$b=[x,y,w,h]，在特征金字塔层级$P_l$Pl​上经过映射之后的目标框表示为$b_p^l=[x_p^l,y_p^l,w_p^l,h_p^l,]$bpl​=[xpl​,ypl​,wpl​,hpl​,]，将检测目标映射到对应的特征层级自然要对应不同的tride才行。除此之外文章还定义了不同的区域用于回归：有效区域$b_e^l$bel​与忽略区域$b_i^l$bil​，对于每个目标区域是定义了上面这两个区域的，其定义的规则为：$x_m^l=x_p^l,y_m^l=y_p^l,w_m^l=\epsilon_m w_p^l,h_m^l=\epsilon_m h_p^l$xml​=xpl​,yml​=ypl​,wml​=ϵm​wpl​,hml​=ϵm​hpl​
其中$m=[i\ or \ e]$m=[i or e]，代表有效区域与忽略区域，对于缩放系数定义为$\epsilon_i=0.5, \epsilon_e=0.2$ϵi​=0.5,ϵe​=0.2。对应的边界框与分类结果见下图所示：
分类输出：
分类的输出是包含$K$K个channel的输出，代表的是对应的类别。承上文所说的有效区域的定义（0.2的GT标注区域）被表示为白色的区域，而介于上文中提到的0.2到0.5的区域被认为是忽略的，就是在梯度反传的不发生反传。特别的在重贴时候的处理：忽略区域相交叠的结果也是被忽略，有效区域的重合按照目标更小的区域优先原则。这里分类的损失使用的是Focal Loss（对应的两个超参数设置为RetinaNet中的最佳经验值），这里计算loss只会计算非忽略区域的loss，并将它们加起来再与有效区域中像素的个数做归一化操作。此外对于在上面两个区域之外的区域就是被描述为黑色了（具体参考图5所示）。

边界框回归输出：
这里边界框的回归形式是回归中心点距离检测框4个边界的距离，只有上面文章定义的有效区域产生的检测结果才会被提取出来，注意的是这里对每个预测的分量使用了$S=4$S=4进行归一化。这里使用的检测框损失为IoU Loss（这个损失的缺点已经有很多介绍了，可以换成新的GIoU、DIoU、CIoU等），之后会将得到的损失按照有效区域中进行取平均。

整体的损失函数为：
$L=L^{ab}+\lambda(L_{cls}^{af}+L_{reg}^{af})$L=Lab+λ(Lclsaf​+Lregaf​)
其中$\lambda=0.5$λ=0.5，前半部分为anchor-based分支的损失，后半部分为anchor-free分支的损失。

2.3 在线基于instance content的特征选择机制

上文讲了anchor-free分支中分类与定位损失的定义，那么在对应的特征层$l$l上anchor-free分支产生的损失可以描述为：

那么得到这个损失之后，怎么选择目标最适应的特征呢？文章是按照最小loss进行选择的，见下图所示：

其数学表达式为：
$l^*=\argmin_l L_{FL}^I(l)+L_{IoU}^I(l)$l∗=largmin​LFLI​(l)+LIoUI​(l)
则文章提出的特征选择方法与原始FPN中的特征选择方法进行对比，其结果见下表所示：

3. 实验结果

相比baseline RetinaNet性能对比：

与其它检测方法的性能对比：