Multiple Anchor Learning for Visual Object Detection 论文笔记

前言 在基于anchor的目标检测方法中，检测器利用目标与anchor之间的IoU作为分配anchor的标准，每个被分配的anchor独立地监督网络学习，以进行分类与定位。也就是说，分类与定位之间是没有交互的，如果一个检测结果的定位精度较高但分类置信度较低，那么它有可能在NMS操作中被过滤掉。 为了解决这个问题，本文提出Multiple Anchor Learning（MAL），这是一种可以自动学

>>阅读原文<<