论文阅读Region Proposal Guided Anchoring

论文地址：https://arxiv.org/abs/1901.03278v2

代码地址： mmdetection (https://github.com/open-mmlab/mmdetection)

论文已经阅读，内容不错，后续有时间再补充笔记。 （已补充，但不算原创内容，作者介绍的部分，我添加了注释以表达自己的理解。）

RPN（笔记：

该方法存在两个主要挑战：

(1) 针对不同任务，需提前设定一组具有固定高宽比的锚框，这种人工选择的先验方式强制为物体赋予了特定的形状（即比例和高宽比）。若设计不合理，可能对检测器的运行效率与识别精度产生负面影响。

(2) 为了确保提案生成过程具备较高的召回率，无论是单阶段、两阶段还是多阶段模型，依然依赖于滑动窗口机制生成密集且均匀分布的锚框。这意味着需要设置大量锚框，并且这些锚框在图像中广泛分布。然而，在许多区域中并不存在感兴趣的目标对象，这些位置对应的锚框将被视为与目标无关的负样本候选框。

此外，大量锚框的存在会显著增加计算负担。尤其是在算法基线中涉及proposals分类以及box分类等步骤时（如Faster R-CNN中包含两个全连接层），将导致极大的计算开销。