Lecture 032 · 训练分配和评价匹配解决两个问题
2 · 训练分配和评价匹配解决两个问题
并入相关学习路径
固定框匹配、PR/AP、NMS误删相邻对象反例
2 · 训练分配和评价匹配解决两个问题
本例的训练分配采用 D2L anchor 教学规则：先把与某个 GT 的最大 IoU ≥0.50 的 anchor 分配给该 GT；再逐次选择剩余 IoU 矩阵的最大项，移除对应行列，强制为每个 GT 保留一个不同的 anchor。此例假定 anchor 数不少于 GT 数，未引入真实检测器可能使用的忽略区间、采样比例或动态分配。
| 项目 | 训练 anchor 目标分配 | 本例的评价匹配 |
|---|---|---|
| 要回答的问题 | 哪些候选框应学习哪个对象？ | 已输出的哪些预测算正确检测？ |
| 主要输入 | anchor 与 GT 的几何关系 | 预测分数、预测框与 GT |
| 一个 GT 可对应几个框 | 可以多个正样本 | 在同一图像、同一类别、同一评价阈值下最多一个 TP |
| 是否按预测分数排序 | 本例不使用预测分数 | 按分数降序，平分保留输入顺序 |
| 低 IoU 是否可能被选中 | 强制覆盖步骤可能选中 | 必须满足指定评价 IoU 阈值 |
为方便对照，代码临时把四个预测的坐标用作四个 anchor 的几何输入，并未把预测分数用于训练分配。得到 [GT1, GT1, GT2, 背景]；P1/P2 两处几何位置可以共同学习 GT1。另一个低重叠例子中，两个强制正样本与相应 GT 的 IoU 分别只有 0.1225 和 0.09，清楚说明“训练中被分配”不等于“评价中定位合格”。
这是一种 anchor 分配规则。其他检测器可能使用一对一集合匹配、不同阈值或动态分配；不能把本例规则推广为所有检测器。