【目标检测】OneNet: Towards End-to-End One-Stage Object Detection

label assignment是指，在训练过程中如何将某个prediction指定给某个GT，用于计算损失，训练网络。

对于上一篇文章，他们首先用one-to-one label assignment替换了one-to-many label assignment，并且不用hand-craft label assignment，而是提出综合考虑位置、类别置信度和IoU三个指标计算得分，取得分最高的POTO。在这基础上，提出3DMF，提高局部卷积的差异，再进一步提高anchor之间的差异。最后，添加一个类似ATSS的one-to-many辅助损失，来学习特征。

Abstract

• 对于one-stage detectors来说，label assignment时缺少classification cost，是去掉NMS的主要障碍。
• 当前one-stage目标检测器仅通过location cost指派标签，例如IoU和点距离。因为缺少classification cost，前向过程中，会产生大量有着高置信度分数的bbox，这就是要使用NMS的原因。
• 本文提出Minimum Cost Assignment，同时包含classificatio和location cost。
• 在COCO上测试，OneNet在图片分辨率为512的情况下，取得35.0 AP/80 FPS（ResNet-50）和37.7 AP/50 FPS（ResNet-101）的结果。

Introductions

sparse candidates和multiple-stage refinement detectors（DETR、Deformable DETR和Sparse R-CNN），他们无需NMS，直接输出检测结果。然而，对于dense candidates和One-stage refinement检测器，还有更大的发展潜力。

总的来说，本文优点如下：

• 整个网络是全卷积，并且端到端训练的。没有RoI和注意力交互。
• Label assignment是依靠分类和定位代价，而不是手工设计的启发式规则或复杂的二分图匹配。
• 没有后处理过程，例如NMS和max-pooling，使得模型整体高效。
• 仅通过定位代价会导致无法选出最优的anchor（它的类别标签可能有误）。

Label Assignment

Ccls是focal loss，除了选中的正样本，其余都视为负样本。

OneNet

推理：最后输出top-k (例如：100)的box

Multi-head Training（可选）

（1）Cascading heads

（2）Weight-sharing：分类和回归的卷积在每个头中共享权重

（3）Large Learning rate，当使用（1）和（2）时，可以使用大学习率。

（4）Single-head Inference：仅使用first stage去输出最终结果，不使用其他stages。这种策略相较于multiple-head，结果仅稍微掉了一些。这使得降低计算量，但不至于损失太多正确率。