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
A. 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
B. 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anchorfree模块的损失函数。