作者：Anders Christiansen
编译：ronghuaiyang

导读

最近物体检测领域掀起阵anchor free的风，今天借这个风，也给大家分享一篇anchor free相关的文章。

问题

如果你之前干过修改anchor的活，你可能会感到沮丧、困惑，并对自己说：“一定有另一种方法！”现在看来，确实另一种方法。

当我第一次写关于anchor box的文章时，我的想法是绕过所有anchor box，将物体检测问题转化为语义分割问题。我尝试预测过对于每个像素，每个类的物体的界框的数量是多少。由于以下几个问题，结果相当糟糕：

1. 我无法将分割蒙版转换回包围框。这意味着我不能隔离或对物体进行计数。
2. 神经网络很难去学习物体周围的哪个像素属于边界框。这可以在训练中看到，模型首先分割物体，然后才开始在物体周围形成矩形框。

很快的，这几个月以来，已经有几个模型以一种更创新的方式取消了anchor boxes。

没有anchors的物体检测

CornerNet使用一个嵌入为每个像素预测边界框的左上角和右下角。每个corner的嵌入匹配以确定它们属于哪个物体。一旦你匹配了所有的corner，恢复边界框就很简单了。这解决了我所面临的问题，即取消anchor box，同时能够从输出中恢复出边界框。

然而，CornerNet并没有解决我所面临的第二个问题，即网络必须学习如何定位一个甚至不包含该物体的像素。这就是ExtremeNet的用武之地。这种方法是基于CornerNet的，但它不是预测corners，而是预测物体的中心以及最远的左、右、顶和底点。这些“极值点”然后根据它们的几何形状进行匹配，结果非常好：

标注

但如何找到极值点的标注呢?不幸的是，作者从分割掩码中提取了极值点，如果只有边界框，则无法使用此选项。但是，极限点标注有几个优点：

1. 标记一个对象的端点要比标记边界框容易得多。要标记一个边界框，你必须注意与两个最极端点对齐的角的位置。通常，标注工具必须在之后调整边界框，以便与极端点对齐。ExtremeNet论文估计，标记极值点所花费的时间几乎是标记边界框所花费时间的五分之一。
2. 就像人类更容易标记极端点一样，神经网络也应该更容易指出它们的确切位置。目前，ExtremeNet的表现似乎优于其他一阶段检测器。
3. 给定物体的极值点，生成边界框非常简单。如果还可以使用图像，DEXTR算法可用于生成分割的mask。这使得极限点比边界框更加通用。

速度不是很快

在将所有物体检测系统迁移到ExtremeNet之前，请记住，当前的实现是大而慢的。预训练模型达到了最先进的结果，拥有近2亿个参数，大小为800mb。当我在特斯拉K80 GPU (p2)上测试批量的单个图像时。使用GitHub中的demo.py脚本，每个图像大约需要8秒。使用DEXTR创建一个分割掩码，根据检测的次数每次增加2-12秒。如果你想从多个图像尺度对检测进行分组，那么这个数字会进一步增长。总的来说，在一张图像上运行多尺度分割需要一分钟的时间，尽管我认为可以通过优化代码来改进这些数字。CornerNet声称在Titan X (Pascal) GPU上运行速度约为4帧每秒，这也比现有的单阶段的检测器慢得多。在我考虑将ExtremeNet作为大多数应用程序的可行选项之前，需要有一个既快速又准确的版本。

结论

ExtremeNet论文声称，与所有其他single shot检测器相比，ExtremeNet的性能优越，同时也避免了必须仔细调整anchor box，然后解码输出。即使没有这样的模型，标注方法本身也提供了显著的好处。作为一个神经网络，该模型还没有完全端到端的学习，还需要包括各种算法来生成边界框或分割掩码。尽管如此，我非常希望在未来，极值点标注和模型成为物体检测的规范。

References

[1] Lin, Tsung-Yi et al. “Microsoft COCO: Common Objects in Context.” Lecture Notes in Computer Science (2014): 740–755. Crossref. Web.

[2] Law, Hei, and Jia Deng. “CornerNet: Detecting Objects as Paired Keypoints.” Lecture Notes in Computer Science (2018): 765–781. Crossref. Web.

[3] Zhou, Xingyi, Jiacheng Zhuo, and Philipp Kr?henbühl. “Bottom-up Object Detection by Grouping Extreme and Center Points.” arXiv preprint arXiv:1901.08043 (2019).

[4] Maninis, K.-K. et al. “Deep Extreme Cut: From Extreme Points to Object Segmentation.” 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition (2018): n. pag. Crossref. Web.

英文原文：https://medium.com/@andersasac/the-end-of-anchors-improving-object-detection-models-and-annotations-73828c7b39f6