深度学习论文: Generalized Focal Loss V2: Learning Reliable Localization Quality Estimation for Dense Object Detection及其PyTorch实现
PDF: https://arxiv.org/pdf/2011.12885.pdf
PyTorch: https://github.com/shanglianlm0525/PyTorch-Networks
PyTorch: https://github.com/shanglianlm0525/CvPytorch

1 概述

对目标检测的边界框进行一个一般化的分布表示建模，可以看到， 基本上那些非常清晰明确的边界，它的分布都很尖锐；而模糊定义不清的边界（如背包的上沿和伞的下沿到底在哪里傻傻分不清）它们学习到的分布基本上会平下来，而且有的时候还经常出现双峰的情况。

GFLV2正是利用能够表达分布形状的统计量去指导最终定位质量的估计

2 Generalized Focal Loss V2 (GFLV2)

2-1 Distribution-Guided Quality Predictor

直接取学习到的分布（分布是用离散化的多个和为1的）的Topk数值，以及它们的均值。然后通过一个轻量级小网络，输出scalar

2-2 Decomposed Classification-IoU Representation

使用来自regression branch且DGQP指引的IoU Representation（即scalar）形成最后的joint representation

3 Experiment