[人工智能]yolof：you only look one-level feature

轻松掌握 MMDetection 中常用算法(六)：YOLOF - 知乎文@ 0000070 摘要YOLOF 全称是 You Only Look One-level Feature, 其通过详细的实验指出特征金字塔 FPN 模块的成功在于其对目标优化问题的分治解决方案，而不是我们常说的多尺度特征融合。针对该结论，设计了一个…https://zhuanlan.zhihu.com/p/370758213

????????快速过一下该文，后面就没有时间像之前那样一点一点的分析，但是在目标检测领域，从retinanet开始，有ghm这种改进focal loss，也有fcos，atss，gfl这种走anchor-free，还有centernet这种走点检测，基本的思路和框架是有很强一致性的，这篇文章还是很有意义的，对fpn进行比较细的讨论。

1.多尺度融合和分而治之

从上图中，bd说明，单输入多输出比单输入单输出好，cd说明多输入和单输入差不多，结合起来就是多尺度融合不是fpn的关键，fpn的关键是分而治之。

2.cost analysis of mimo encoders

?多输入多输出在计算量多，fps少，设计一个合理的单输入单输出来代替多输入多输出。

3.methods

?3.1 单输入单输出不行的原因

1.C5特征的感受野匹配的尺度范围有限，阻碍了对不同尺度对象的检测性能。

2.单级特征中稀疏anchor引起的正负样本不均衡问题。

3.2 扩大单尺度的感受野

?3.2 imbalance priblem on positove anchors

?uniform matching