[OTA]Optimal Transport-based Assignment in Object Detection (CVPR 2021)

1. Motivation

DeTR [3] 探讨了全局最优匹配的理念。然而，其采用的匈牙利算法仅适用于一对一的分配方式。

针对一对多的策略。

截至目前，在基于CNN的检测器处理一对多场景时，一种能够实现全局最优分配的策略仍未被探索。

标签分配

为了训练检测器，为每个锚点定义分类与回归目标是一个必要的步骤，这一过程在目标检测中被称为标签分配。

这类静态策略忽略了这样一个事实：对于尺寸、形状或遮挡状态不同的物体，合适的正负样本划分边界可能会有所差异。

文中指出对于存在歧义的锚点进行设定具有重要意义。

• 因此，对这些存在歧义的锚点进行分配并非易事，并需要超越局部视角的额外信息支持。

需要将独立的最优分配转变为整体上的最优匹配。

• 因此，一种更优的分配策略应摒弃单独为每个真实目标追求最优匹配的传统做法，转而采用全局优化的理念，即在图像中所有真实目标之间寻找具有高置信度的整体最佳匹配方案。

![image-20210713165434512](https://ad.itadn.com/c/weblog/blo