论文信息： Generalized Focal Loss && Generalized Focal Loss V2
代码链接： https://github.com/implus/GFocal && https://github.com/implus/GFocalV2
整体信息：这倆篇论文都是出自南理工的李翔，从定位质量估计和边框表示的角度上对现有检测方法进行改进。在任意one-stage检测器上都能涨1-2点。GFLv1解决的是目前检测方法存在的两个问题：1）在训练和推理的时候，分类和质量估计的不一致性；2）狄拉克分布针对复杂场景下（模糊和不确定性边界）存在不灵活的问题。GFLv2是在v1的基础上，进一步地，使用概率分布的方式评估检测框质量，相比v1更有效，v2在ATSS上可以无痛涨点2-3点。
GFLv1
方法的出发点主要是解决俩个问题：1）classification score 和 IoU/centerness score 训练测试不一致；2）bbox regression 采用的表示不够灵活，没有办法建模复杂场景下的uncertainty；
问题1：训练测试不一致性
不一致主要体先在俩方面：
- 用法不一致。训练的时候，分类和质量估计各自训记几个儿的，但测试的时候却又是乘在一起作为NMS score排序的依据，这个操作显然没有end-to-end，必然存在一定的gap；
- 对象不一致。借助Focal Loss的力量，分类分支能够使得少量的正样本和大量的负样本一起成功训练，但是质量估计（回归）通常就只针对正样本训练；
问题2：bbox regression不灵活，无法建模复杂场景
在复杂场景中，边界框的表示具有很强的不确定性，而现有的框回归本质都是建模了非常单一的狄拉克分布，非常不flexible。我们希望用一种general的分布去建模边界框的表示。问题二如图所示（比如被水模糊掉的滑板，以及严重遮挡的大象）：
解决方法：
具体地，
分类
在分类分支上不再使用one-hot型类别标签监督，而是使用soft-one-hot 标签，标签值使用地iou值；如此，完美的将类别和位置信息结合利用起来了；传统地交叉熵、focal loss只能处理离散标签；因此作者在focal loss基础上提出 Quality Focal Loss，具体形式如下：
回归
考虑到真实的分布通常不会距离标注的位置太远，作者又额外加了个loss，希望网络能够快速地聚焦到标注位置附近的数值，使得他们概率尽可能大。Distribution Focal Loss：
其形式上与QFL的右半部分很类似，含义是以类似交叉熵的形式去优化与标签y最接近的一左一右两个位置的概率，从而让网络快速地聚焦到目标位置的邻近区域的分布中去。简单来讲，就是预测目标框边界附近地n个位置地概率值，然后基于概率值和n个位置进行加权，得到目标框边界值；目标的四个边框均采用上述操作，然后基于组合的目标框使用GIOU loss进行优化。
损失函数
上面是训练loss函数，第一部分是分类分支的QFL；第二部分是回归分支的GIOU loss和Distribution Focal Loss；
实验结果
GFLv2
问题：在GFLv1中，作者提出了对边界框进行一个一般化的分布表示建模。有了这个可以学习的表示之后，基本上那些非常清晰明确的边界，它的分布都很尖锐；而模糊定义不清的边界它们学习到的分布基本上会平下来，而且有的时候还经常出现双峰的情况。作者为了充分利用这分布，提出了GFLv2，利用分布形状的统计量去知道最终最终定位质量的估计。具体网络结构如下：
核心思路
直接取学习到的分布（分布是用离散化的多个和为1的回归数值表示的，详情参考GFLV1）的Topk数值。其实理解起来也不难，因为所有数值和为1，如果分布非常尖锐的话，Topk这几个数通常就会很大；反之Topk就会比较小。选择Topk还有一个重要的原因就是它可以使得我们的特征与对象的scale尽可能无关，如下图所示：
简单来说就是长得差不多形状的分布要出差不多结果的数值，不管它峰值时落在小scale还是大scale。我们把4条边的分布的Topk concat在一起形成一个维度非常低的输入特征向量（可能只有10+或20+），用这个向量再接一个非常小的fc层（通常维度为32、64)，最后再变成一个Sigmoid之后的scalar乘到原来的分类表征中。具体model参考上图，其中红色框就是比GFLV1多出来的Distribution-Guided Quality Predictor部分，这也就是本文的核心。
实验结果
