DAE

Anchor Retouching via Model Interaction for Robust Object Detection in Aerial Images

INTRODUCTION

作者写这篇文章的动机为：

• Anchor quantization errors and noisy training samples

作者认为anchorbased的方法按照默认的参数其实没有办法分配到小目标，会导致最终检测的性能下降

• Mismatch between the pyramid levels and the samples

由于水平框内通常为旋转目标，所以框内有大量噪声干扰，无法很准确的进行特征尺度的分配

之后作者又指出了anchor free的不足之处，在于不太好预测极端长宽比的目标

所以本篇论文的贡献为：

提出了DEA模块

THE PROPOSED METHOD

Dynamic Enhancement Anchor

由于anchor based与anchor free都有自己的优缺点，所以作者就将两者进行融合

Interactive Sample Screening

主要思路就是基于anchor based与anchor free的预测候选区域分别和gt算IoU, 两种模块正样本的分配思路均是大于设定阈值后还需大于等于对应点的另一模块IoU

最后损失函数在原来的RoI Transformer基础上加了anchor free模块的损失函数。