目标检测算法：anchor_free解读
说明
anchor free系列是单阶段检测算法另外的一个发展分支，了解anchor free常见的算法是非常有必要的。
免责申明
有误写/错写/错误观点/错误解读，或者大家有其它见解，都可以在评论区指出，博主会认真学习的。
原始论文下载链接
目录结构
文章目录
1. 基础认知
1.1 什么是anchor free
anchor free就是不使用anchor的意思。其它类似的xxx free也是不使用xxx的意思。
1.2 anchor机制的缺点
使用anchor机制主要存在两个缺点：
- 正负样本不均衡
- 因为anchor机制是对每一个点生成k个box，这样注定了一张图像中没有对象的box占据绝大都数
- 引入了较多的先验参数
- 比如anchor box的大小、比例、个数等都是难以决定的先验参数
2. CornetNet
CornerNet的关键就是通过对象左上和右下两个角点来定位。
2.1 模型架构
论文中的模型架构如下图所示：
上述架构主要分为三个部位：输入图像 + hourglass网络 + 预测模块。
- Hourglass网络 = N个Hourglass Module，而一个Hourglass Module通常由上采样和下采样的结构构成。这个网络其实由另外一篇论文提出，具体的可以看原始论文。
- Prediction Module（预测模块），结构图如下所示：
这个预测模块很简单，但是有两点需要注意，即corner pooling 和 三个输出值。
2.2 corner pooling
首先，看下图：
对于这些对象，并不是方方正正的，而为了保证获取的角点（左上点和右下点）是该对象最上面或最下面的点，就需要进行corner pooling。
原理如下图所示：
首先分两个方向进行单方向的最大池化操作，最后将两个方向相同位置的值相加即可。举个例子如下：
2.3 三个输出值
HeatMaps
输出预测角点信息，可以这么理解，heatmaps既包含了关键点信息，同时包含了概率值。另外，heatmap每个点都是关键点，可以通过将关键点映射到原图与真实box计算损失，也可以将真实box映射到与heatmap相同尺寸计算损失。
损失公式：
这个公式是Focal Loss的改版，其中α控制样本的难易程度、C表示目标类别（不包含背景）。
Offsets
输出回归偏移量，用于微调预测框，因为特征图转为原图时会造成取整误差。
损失公式：
公式为常用的目标检测回归偏移损失，其中ok为：
其中n表示缩放因子。
Embedding
一个图像不只一个对象，那么就不只一对角点，那么问题就是不同的角点如何匹配？因此，作者给定第三个输出，用一个间距向量来表示，向量间距越小，匹配程度越高。
其损失公式分为两个部分，一个是缩小相同角点的间距，另外一个是放大不同角点间距：
2.4 高斯圆
看下图：
其实上面的预测框已经很不错了，但是网络仍然会计入损失。因此，我们需要引入一个阈值来控制损失值，这个阈值的方法就叫做高斯圆。
原理如图所示：以临界情况为例子，分为三个情况
我们可以假设临界情况IOU为0.7或者某个值，然后通过上面三幅图计算出高斯圆的半径r为多少。
3. CenterNet
CenterNet是通过中心点来检测目标的。
3.1 模型架构
CenterNet的架构和CornerNet的架构都类似，分为三个部位：
- 输入图像
- backbone
- 可以采用hourglass、ResNet等等
- prediction module
- 具体的结构与采用的backbone有关，但是可以确定的一点是输出三个值。
以resNet为backbone展示其流程
1. image resize 为 512*512，则输入shape为【1，3，512，512】
2. ResNet输出【1，2048，16，16】
3. 将输出特征图反卷积上采样为【1，64，128，128】
4. 送入三个预测分支：
heatmaps ： 【1，80，128，128】 （80表示类别个数）
sizes ： 【1，2，128，128】 （2=w+h，图像尺寸）
offsets ： 【1，2，128，128 （2=x、y的偏移值）
3.2 损失函数
centerNet的损失函数和CornerNet的损失函数大体类似，只是细节有点差别：
具体的公式如下：
其中N是关键点个数、sk表示目标预测尺寸，p是中心点坐标，R是缩放因子，p-是缩放后的中心点的近似整数目标（这一点和corner net一样）。
3.3 三个输出值
sizes
这个是box的尺寸大小，配合中心关键点来确定整个box。
offsets
这个是偏移量，主要是因为真实框落于特征图上时，由于取整操作会导致误差存在，因此引入了该误差。
heatmaps
这个是为每个类别生成一个heatmap图，用于确定中心点位置和目标概率值。
4. FCOS
FCOS不像cornernet、centernet，它是预测关键点到预测框的四个距离值来实现检测的。
4.1 模型架构
模型架构如下图所示：（论文原图）
架构很容易读懂，但是有几个关键点：
- FPN、PAN引入的原因
- 三个输出值
- 损失函数
4.2 FPN、PAN的引入
首先，要知道什么是模糊样本，即关键点同时落入多个GT内的点。
针对这些点，引入FPN和PAN的作用就是利用不同的大小的特征图，去预测不同大小的对象，这样可以尽量去避免模糊样本的存在。同时，还可以提高模型的精度。
4.3 三个输出值
- classes：H、W、C
- 类别输出值，其中C表示类别个数
- Regression：H、W、4
- 坐标回归值，其中4表示关键点到box的四条边的距离值
- Center-ness：H、W、1
- 中心输出，作用是筛选出误检框，其度量关键点（随机点，不一定是中心点）到GT中心点的距离值
4.4 损失函数
公式如下：
其中，Lcls采用的BCELoss和Focal loss（正负样本都参加计算）、lreg采用IOU loss（正样本才参加）。
另外，其实还有一部分损失，就是中心损失，公式如下：
其中，Sx,y就是特征图上（x，y）这个点的center-ness值，作者在论文中给出了其公式和含义，即用于衡量关键点到中心点的距离：
4.5 回归
在FCOS中，由于回归得到的值是关键点到box的四条边的距离。因此，原理如下图所示：
计算公式如下：
因此，模型能够输出的四个距离值与真实距离值越接近效果越好。
5. 总结
上面简单解读了三个经典的anchor free算法，这些anchor free算法都是基于某个关键点去检测目标，虽然没有利用anchor机制，但是关键点的生成其实与anchor思想有点类似之处（anchor为特征图每个特征点生成一定数量的建议框，而anchor free则是生成了一个热图，热图的每个点都是关键点，然后再利用这些关键点和真实box映射的值对比进行训练模型）。