本文共 1766 字，大约阅读时间需要 5 分钟。

目标检测系列文章

yolo v1原理：https://blog.csdn.net/cjnewstar111/article/details/94035842 yolo v2原理：https://blog.csdn.net/cjnewstar111/article/details/94037110 yolo v3原理：https://blog.csdn.net/cjnewstar111/article/details/94037828 SSD原理：https://blog.csdn.net/cjnewstar111/article/details/94038536 FoveaBox：https://blog.csdn.net/cjnewstar111/article/details/94203397 FCOS：https://blog.csdn.net/cjnewstar111/article/details/94021688 FSAF: https://blog.csdn.net/cjnewstar111/article/details/94019687

1.FSAF简介

全称为：Feature Selective Anchor-Free Module。为包含FPN的单阶段检测框架增加一个FSAF模块，从而由网络自己选择哪个层来预测哪个实例。

 

2.传统一阶段检测框架（含FPN）是如何进行实例选择的？

如下图所示，样本输入到检测框架之后，会根据样本中的bounding box和FPN中每一个层的anchors求IOU，与哪个anchor的IOU最大，那么那个anchor所在的层用来预测该实例。下图中的汽车实例和P4层的第一个anchor的IOU最大（红色实线框），那么就由P4来负责汽车实例的输出。

由于每一层的anchor是预先根据经验设置的，然后通过与anchor的IOU决定哪一层来预测实例，实际上也是根据经验来决定由哪一层来预测该实例，所以是基于启发式的。那么这种基于启发式的，经验性的选择是最优的吗？能否使用网络自己来决定哪个实例由哪个层来输出？

 

3.FSAF模块架构图

为了让网络自己决定由哪一层来输出实例，引入了FSAF模块，结构如下图所示：

这是论文中的原图，可能不是很清晰，下面这个是我根据自己的理解绘制的FSAF模块的架构图。以P4特征输出为例，两个蓝色的子网络为原来的anchor based的子网络，一个负责输出类别，维度是H*W*K*A(K是类别数，A是anchor数)，另一个负责输出四个点的位置偏移。FSAF模块在原来的两个分支结构中各增加一个小的分支，同样的，一个输出类别，一个输出位置偏移信息。由于没有使用anchor，所以输出的类别维度为H*W*K。

 

4.FSAF模块如何选择实例？

通过上面的讲解，FASF模块实际上也是一个完整的物体框预测子网络，它能输出实例的类别和偏移量，本质上就是一个检测子网络。但是它的特点是非常轻量级。那么FSAF模块是如何根据这两个新增加的分支来决定某个实例由哪个feature map来负责输出呢？答案是根据loss值的大小。同样先看论文中的图：

下面是我根据理解绘制的图：

当一个训练样本输入到网络的时候，首先通过各个特征图的FSAF模块求出该特征图下对应的ground truth实例分类loss以及回归loss，并对两个loss求和，作为最终的loss。然后判断哪个loss最小，例如上图中的P3层的FSAF模块的loss最小，那么就由P3层来负责对该训练样本中汽车实例的训练。

 

5.总结：

FSAF实际上是增加了一个非常轻量级的检测子网络来辅助重量级的anchor based检测模块来决定目标实例由哪个特征图来预测。由于FSAF模块是anchor free的，所以它的选择完全是自发的，是根据网络学习到的。效果也比原来的anchor求IOU这种启发式的方式要好。

6.参考资料：

csdn: 作者：冷夏LX

知乎：CVPR2019 | 目标检测 FSAF：为金字塔网络的每一层带去最好的样本 作者：ChenJoya

知乎：[CVPR2019]:FSAF for Single-Shot Object Detection 作者：孙杨威