43.6%mAP,阿里巴巴提出用于一阶段目标检测的半锚式检测器
标准的一阶段检测器包括两个任务:分类和回归。为特征图中的每个位置引入了不同形状的锚(anchor),以减轻多尺度目标回归的挑战。但是,由于 anchor 中高度的类不平衡问题,分类的性能可能会降低,最近提出了许多 anchor-free 算法来直接对位置进行分类。anchor-free 策略有利于分类任务,但由于缺少先验的边界框,可能导致回归不到最优值。在论文《Semi-Anchored Detector for One-Stage Object Detection》中,阿里巴巴的研究人员提出了一个半锚式(semi-anchored)框架。具体而言,研究人员在分类中确定正位置,并将多个 anchors 与回归中的正位置关联。以 ResNet-101 为骨干,提出中的 semi-anchored 检测器在 COCO 数据集上达到了 43.6%的 mAP,这证明了一阶段检测器的最新性能。