论文标题：OTA: Optimal Transport Assignment for Object Detection 论文链接：http://arxiv.org/abs/2103.14259 代码链接：https://github.com/Megvii-BaseDetection/OTA

表现SOTA！优于PAA、ATSS和FreeAnchor等方法，代码刚刚开源！作者单位：早稻田大学 & 旷视科技

现有的目标检测样本匹配策略(label assignment)大多是独立地对每个ground truth进行正负样本划分。我们指出这样的匹配策略没有考虑每一个锚框/点与其他ground truth的潜在联系，进而提出一种充分利用全局信息的匹配策略--OTA。具体而言，我们把样本匹配问题建模成了一个最优传输问题，视每一个ground truth和锚框/点分别为供应人员和需求人员，定义把单位正标签(positive label unit)从每一个供应人员运输到每一个需求人员所需要的运输成本为该gt与锚框/点之间分类和回归损失的加权和。同时我们引入了“背景”作为额外的供应商来解决标签“供不应求”的问题。此外，我们还提出了一种动态正样本数量估计方法，来决定每一个供应商持有多少单位的正样本标签。实验表明，OTA可以很好的处理易混淆的锚框/点，并在COCO和CrowdHuman数据集上超越了其他现有的样本匹配方法。代码已经开源。

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