Hexo

目前大部分的object detection的模型都基于anchor，尤其是one-stage的detector。使用anchor有以下缺点：

1. 通常需要大量的anchor，因为需要判断anchor是否与GT有较大的overlap，所以需要大量的anchor来保证覆盖所有的GT。大量的anchor其实只有少部分和GT相重叠，正样本和负样本的不平衡会影响训练！
   anchor的使用引入了大量的参数和设计（先验），包括anchor的数量，大小，比例等（虽然这样可以生成较多的multi-scale和multi-ratio的region proposals）。当面临multi-scale architecture的时候会变得非常复杂，因为需要设计每个scale的anchor
   作者提出了一种全新的将anchor扔掉的detector，将object的检测简化为两个关键点（bounding box的两个端点,corner）的检测。

扩展阅读

• https://zhuanlan.zhihu.com/p/41759548