让样本不一样重要-A Dual Weighting Label Assignment Scheme for Object Detection简介相关工作方法实验总结
CVPR 2022论文链接：https://arxiv.org/abs/2203.09730个人理解：作者发现样本的重要性是不一致的，正负样本所占权重不一致，基于此提出了多重加权（pos和neg）。一个样本的pos权重由其分类和定位分数之间的一致性程度决定，而neg权重被分解为两个项：它是一个否定样本的概率和它作为一个否定样本的重要性。论文思路：静态和动态匹配策略都忽略了样本不同样重要这一事实，最优预测不仅应该具有较高的分类分数，还应该具有准确的定位，这意味着在训练中，分类头和回归头之间具有较高
