Pseudo-IoU：改进无锚框目标检测中的标签分配

当前无锚框（anchor-free）目标检测器相当简洁有效，但缺乏准确的标签分配方法，这限制了其在与基于经典锚框（anchor-based）模型竞争时的潜力，后者得益于基于交并比（Intersection-over-Union, IoU）度量精心设计的分配方法。本文提出 \textbf{Pseudo-Intersection-over-Union（Pseudo-IoU）}：一种简单度量，将更标准化且准确的分配规则引入无锚框目标检测框架，而无需任何额外计算成本或训练与测试用的额外参数，使得在有效分配规则下利用高质量训练样本进一步改进无锚框检测成为可能（该规则此前已应用于基于锚框的方法）。将 Pseudo-IoU 度量融入端到端单阶段无锚框目标检测框架后，我们观察到其在 PASCAL VOC 与 MSCOCO 等通用目标检测基准上性能的一致提升。我们的方法（单模型、单尺度）亦在无额外技巧情况下取得与其他近期最先进无锚框方法相当的性能。我们的代码基于 mmdetection 工具箱，并将发布于 https://github.com/SHI-Labs/Pseudo-IoU-for-Anchor-Free-Object-Detection。