FoveaBox：目标检测新纪元，无Anchor时代来临

今天跟大家分享的FoveaBox则是该方向最新的成果，针对的是通用目标检测领域，算法方案简单，结果达到state-of-the-art，代码亦将开源，方便后续其他学者跟进，发展空间极大。

算法思想

FoveaBox的动机来自人眼的中央凹：视野中心（物体）具有最高的视力。
（物体的位置信息能够从中心反应出来——CV君的理解）
下图展示了FoveaBox目标检测的基本思想，对于可能存在目标的每个输出空间位置，FoveaBox直接预测所有目标类别存在的置信度和边界框。

FoveaBox是在RetinaNet目标检测网络基础上做的改进，我们先来看看RetinaNet的网络架构。
如下图，RetinaNet利用了特征金字塔网络检测目标，对于金字塔的每一层，都后接class + box 子网络。最右侧上半部分为class子网络，下半部分为box子网络。

下图是FoveaBox网络的改进，class 子网络计算的是每个输出位置分别存在不同类别目标的置信度，box子网络则是直接计算每个输出位置的与类别无关的目标包围框（左上和右下顶点坐标）。