论文笔记：CVPR2021 OTA: Optimal Transport Assignment for Object Detection

proporse：利用全局信息，一对多的进行标签匹配（label assignment）

related work：

fixed label assignment:

anchor-based: 以IOU阈值判断

anchor-free：如FCOS，关键点在物体中心的周围则为pos，

dynamic label assignment:

现有的算法要么未从全局角度利用上下文信息，要么如DETR中利用全局信息但其中的Hungarian algorithm只适合一对多。

Method：

Optimal Transport Problem

m个供货商，第i个供货商有s_i的商品

n个需求者，第j个需求者需d_j的商品

供货商i给需求者j需要的cost为c_ij

传输路径pi={pi_ij | i = 1,...,m, j = 1,...,n}

需要最小化transport cost

使用快速迭代算法：Sinkhorn-Knopp求解

OT for Label Assignment

OD中FPN的输出有 m gt targets 和 n anchors，将每个gt看成有k个单元的pos样本，每个输出需要一个单元。讲一个单元从gt_i传输到anchor_j 的代价如下：

除了pos，训练时大量的anchors还会被分配为neg。最佳传输涉及所有的anchors，所以引入另一个supplier，background，包含n - m×k。

C_fg和C_bg进行concat，得到（m+1）*n，其中若i < m , 则s = k，i = m+1，s = (n-mk)

Sinkhorn-Knopp求解 [2]

代码复现：

参考：

版权声明：本文为CSDN博主「_击空明兮溯流光_」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Blair_2/article/details/120946740