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8篇目标检测最新论文(EfficientDet/EdgeNet/ASFF/RoIMix/SCL/EFGRNet等）

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

关于Anchor-free更多的解读，详见下面两篇文章：

目标检测：Anchor-Free时代

重磅！13篇基于Anchor free的目标检测方法

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/1911.12448

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

实验结果

为了方便下载，我已经将 SAPD 论文打包，在 CVer公众号 后台回复：20191206 即可获得打包链接。同时论文会同步推送到 github上，欢迎大家 star/fork（点击阅读原文，也可直接访问）：

https://github.com/amusi/daily-paper-computer-vision

如果各位 CVer 喜欢这样的最强系列，请给这篇文章点个 在看