Movitation
作者發現在訓練過程中存在兩個問題
- 正負樣本不均衡（OHEM,focal Loss等都是解決這個問題）
- 樣本的尺度不均衡問題，在基於iou的匹配策略下，小尺度的樣本更難匹配到合適的anchor。
插一句，個人感覺小目標在這種基於anchor的檢測方法中性能較差的本質原因在於有效訓練的樣本過少，最終計算loss時正樣本選擇的是和anchor匹配上的樣本，大目標很容易和尺度類似的anchor達到很高的iou，而小目標即使anchor尺寸類似，由於由於anchor密度的原因，仍然更難匹配到合適的anchor，因此解決方法應該分爲三點：1，增大訓練樣本中的小樣本數量，更多的輸入自然就有更高的概率獲得有效樣本（方法如訓練樣本過採樣，DAS生成小目標樣本）；2，增大小尺度anchor的密度（如S3FD），anchor密度增加，可以匹配的有效樣本自然更多。 3，降低小尺度目標匹配的iou閾值
方法
將參與訓練的樣本按照尺度分爲不同的組，計算loss是每組等比例採樣（以前是所有正樣本都使用的）。ps，這裏的樣本指的就是anchor在訓練過程中的實例化，更直白點就是和target匹配上的anchor，不是輸入的圖片。這樣做的結果是各尺度的樣本在訓練過程中是公平的，相當於輸入的訓練樣本各尺度均衡一樣，避免被某種尺度主導loss。
貢獻
先解釋一下，灰色框中16/16,32/16 et..第一個數字代表anchor的尺度，第二個數字代表anchor的step（在原圖上的像素距離，一般，傳統的我們都按照feature map的尺寸放置anchor，基本上feature map一個點對應一個anchor，因此anchor的step一般和feature的step相等）。
這篇文章最大的貢獻就是發現了FPN網絡有效的原因是應爲不同scale的anchor的step不同，並非是因爲使用了多層特徵，b和c的性能類似。c和d都使用了相同層的特徵，相同scale的anchor，但是anchor的step不同，由此d中的大scale的anchor數量遠多於c，從而大目標的匹配的有效anchor更多，檢測器更偏向於大目標。c通過改變不同scale的anchor的step，使得其分佈類似於fpn，最終取得和fpn類似的結果。
最終給我們的啓示，訓練過程中各scale的有效樣本（匹配到正樣本的anchor數量）數量應該均衡，這樣訓練出來的檢測器才更好。
