单阶段目标检测通常通过优化目标分类和定位两个子任务来实现，使用具有两个平行分支的头部，这可能会导致两个任务之间的预测出现一定程度的空间错位。本文提出了一种任务对齐的一阶段目标检测(TOOD)，它以基于学习的方式显式地对齐这两个任务。

TOOD在MS-CoCO上实现了51.1Apat的单模型单尺度测试。这大大超过了最近的单阶段检测器，如ATSS(47.7AP)、GFL(48.2AP)和PAA(49.0AP)，它们的参数和FLOPs更少。

论文：TOOD: Task-aligned One-stage Object Detection

代码：https://github.com/fcjian/TOOD

内容中包含的图片若涉及版权问题，请及时与我们联系删除