Какие знаешь вариации anchor-free детекторов

Anchor-free детекторы исключают использование предзаданных анкоров, упрощая pipeline детекции. Основные подходы:

1. CenterNet (Keypoint-based):
   Детектирует центры объектов как ключевые точки, предсказывая ширину/высоту.
   python

   Копировать

   # Пример предсказания центра
   heatmap = model(image)  # [H, W, C] - карта вероятностей центров

2. FCOS (Pixel-wise prediction):
   Каждый пиксель классифицирует объект и регрессирует расстояния до границ (l, r, t, b).

3. CornerNet/ExtremeNet:
   Детектирует углы или крайние точки объектов, группируя их в bounding box.

4. DenseBox:
   Прямое предсказание bbox и класса для каждого пикселя, часто используется в текстовой детекции.

Плюсы:

• Проще анкор-базированных (нет гиперпараметров анкоров).
• Лучше для мелких/вытянутых объектов.

Минусы:

• Сложность группировки точек (например, для CornerNet).
• Менее стабильны на перекрывающихся объектах.

Примеры фреймворков: CenterNet (Objects as Points), FCOS, YOLOv8 (частично anchor-free).