FCOS,ATSS
最近看到了这篇文章
anchor free和anchor based的目标检测方法的区别到底在哪里
所以补一下fcos
还是没看代码,有些模型流程全靠论文理解,这个以后会补上
先放两个看起来不错的讲解
FCOS_csdn
FCOS_知乎
—————————————————————————————————
有关几个看不明白的地方
- 有关标签的分配策略
- FCOS会先把feature map上所有的点回归到原图上去 回归是指回归到这个点对应在原图的 感受野中心,如果回归到原图的点落入到一个ground truth当中,这个点就负责预测这个ground truth ,同时它的class label 就是这个ground truth 的类别。
- 有关center-ness
- 原文里用的是BCE-loss,二分类的CE损失,就是每个点只根据距离做二分类,那么label的分类策略就是热力图式的
- 有关目标重合
- FCOS用两种手段解决同一个预测点落入不同且相邻的目标框的问题。
- (1) 预测点负责两个重叠区域中较小的那个
- (2)设置了几个尺寸区间,m2,m3,m4,m5,m6,m7 = 0, 64, 128, 256, 512,无穷大。(m2,m3),(m3,m4),(m4,m5),(m5,m6),(m6,m7)这几个区间,使用ltrb四个参数来确定预测点该预测那种尺度的目标框。
ATSS 分析了 anchor free 即 FCOS 和 anchor based 模型之间的区别,发现最大的区别在于正负样本的定义方式
从而提出了自适应选择IOU以及更合理的区分正负样本的方法
https://zhuanlan.zhihu.com/p/120652249