Side-Aware Boundary Localization for More Precise Object Detection

论文：https://arxiv.org/pdf/1912.04260.pdf

代码：

关键文章：Faster R-CNN [37], RetinaNet [25], and Cascade R-CNN

提出问题：

传统的基于锚点和大小的边界盒回归，当锚点和目标的中心相差很大时，难以准确的预测目标的位置

现有方法：

如将定位过程层叠化[1,12,20,41]，以及将定位作为对[29]网格点进行分割的过程。虽然可以有效地提高定位精度，但采用这些方法会使检测管道变得复杂，导致相当大的计算开销。

解决方案：

对边界框的边界进行移动替代对整个边界框的缩放和平移，通过预测边界的偏移量进行精确回归