论文：Feature Selective Anchor-Free Module for Single-Shot Object Detection
代码：https://github.com/open-mmlab/mmdetection/tree/master/configs/fsaf
出处：CVPR2019
贡献：
目标检测方法面临的两个主要问题是：
FSAF 的 motivation：
FSAF 总体概括：
如图 4 展示了 RetinaNet+FSAF 的结构，RetinaNet 的 backbone 和其他尺度的层被折叠了，只展示了使用的三层，每层后面都分别使用了 cls 和 reg 子网络。
FSAF 如何在其中使用：
类似 GARPN
既然 FSAF 有两个分支，分类和回归，则需要给这两个分支构建对应的真值，来指导训练。
1、分类分支：
分类分支的 loss：Focal loss， α = 0.25 \alpha=0.25 α=0.25, γ = 2.0 \gamma=2.0 γ=2.0
分类分支构造的真值：K 个 map，每个 map 表示该类别的 mask 特征
分类分支的真值如何构造：真值是一个 mask 特征图，每个位置的像素值表示该位置为 positive、ignore、negative
将一个 instance 在某个层的真值 map 从 3 个方面来处理成最终的 gt mask：
2、回归分支
回归分支的 loss：IoU loss
回归分支的真值：4 个 offsets maps
回归分支只会影响 offset maps 上的 effective box region，对于每个位置 ( i , j ) (i, j) (i,j)，对应的真值为该位置到该层对应的框的上、下、左、右的距离。
FSAF 的设计是能够自己选择最优的层级，那么如何寻找最优的层级 P l P_l Pl 呢？
答案是：使用 instance content（而非 anchor-based 方法中使用的 box 大小）
给定一个 instance I I I，其在 P l P_l Pl 层上的分类和回归 loss 分别为 L F L L_{FL} LFL 和 L I o U L_{IoU} LIoU，这两者是对所有 effective box region 求和后得到的：
如何选择呢？如图 6 所示
计算了上述公式并得到 loss 之后，选择 loss 最小的层 P l ∗ P_{l*} Pl∗ 来作为最优层，对该 instance 进行预测。
online feature selection：
其他手动选择的方法（ l 0 = 5 l_0=5 l0=5）：
训练阶段：完整的 loss 是由 anchor-based 和 anchor-free 部分共同组成的， L = L a b + λ ( L c l s a f + L r e g a f ) L = L^{ab}+\lambda(L_{cls}^{af}+L_{reg}^{af}) L=Lab+λ(Lclsaf+Lregaf)，且设置 λ = 0.5 \lambda=0.5 λ=0.5。
推理阶段：在每个 level 中选择前 1k 个框，保留大于 0.05 的框，和 anchor-based 得到的结果混合起来，使用阈值为 0.5 的 NMS 过滤，即为最终结果
1、Anchor-free branches 的效果
表 1 的最后一行比第一行提高了约 1.5%AP
如图 7 所示，说明了 FSAF 模块能够更好的处理有挑战的实力，比如很细或者不能被很好的包裹的目标。
2、Online feature selection 的效果
下表也对比了使用手动选择特征图和自动选择特征层的效果，从最后两行来看，提升了约 1.1%AP。
3、最优层是如何选择的
4、FSAF 模块的鲁棒性
5、和 SOTA 的对比
Ours：RetinaNet + FSAF
