Anchor Free检测算法之FCOS

一.提出背景

2019 是 Anchor Free 大行其道的一年,从CornerNet 到 ExtremeNet,从FSAF到FCOS,层出不穷。

论文:FCOS: Fully Convolutional One-Stage Object Detection【paper】【github

二.算法框架

FCOS框架比较简单,架构图参考:

基础backbone是一个3层的卷积网络(对应图中C3,C4,C5),Pyramid特征金字塔构建完成P3-P7(感觉到P6就够了),每个金字塔层对应一个预测头(Head)。

其中Head层分为3个预测分支,1个分类 + 1个位置回归 + 1个Center-ness(用于构建居中loss,后面展开)

二.Why FCOS?

看着架构图来看为什么要这么设计?

1)特征pyramid价值

不同尺度的目标,在不同的特征层下 特征保留的最好

  • 1
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值