FCOS-学习记录

引入：本次学习内容基本来自于Zhi Tian，Chunhua Shen编写的的《FCOS: Fully Convolutional One-Stage Object Detection》，以及部分讲解视频，本学习记录仅为个人学习收获，部分内容存在纰漏烦请各位大佬批评指正。
（一）摘要：传统的物体检测方法通常分为两个阶段：锚框生成和目标分类与定位。然而，这些方法需要在不同尺度上生成大量的候选框，导致复杂和耗时的计算过程。相比之下，FCOS通过将检测任务转化为特征图上的像素分类问题，实现了真正的全卷积端到端检测。

（二）发表时间：2019

（三）关键词：目标检测，全卷积神经网络，单阶段检测，无锚框训练

（四）学习记录：

目前许多目标检测网络，例如SSD，YOLO，FasterRCNN等都是依赖于预先设置好的目标框（“anchor boxes”）。但是，作者提出的FCOS检测器是无锚框(anchor box free)和无提议(proposal free)的。这种设计避免了与锚框相关的复杂计算，并且超过了以往的单阶段检测器，并具有更简单的优势。

尽管预先设置边界框在许多目标检测网络上已经成功运用，但是仍然存在一些问题。

1）在RetinaNet中所示，检测性能对于锚框的大小、长宽比和数量非常敏感。例如，在COCO基准测试上，调整这些超参数会对性能产生高达4%的影响。因此，在基于锚框的检测器中需要仔细调整这些超参数；

2）即使经过精心设计，由于锚框的尺度和长宽比保持固定，检测器在处理具有形状变化较大的目标候选对象时会遇到困难，特别是对于小目标而言。预定义的锚框也限制了检测器的泛化能力，因为它们需要根据不同的目标大小或长宽比重新设计；

3）为了达到较高的召回率，基于锚框的检测器需要在输入图像上密集地放置锚框（例如，对于较短边为800的图像，在特征金字塔网络（FPN）中需要超过180K个锚框）。其中大部分锚框在训练过程中被标记为负样本。过多的负样本加剧了训练中正负样本不平衡的问题；

4）锚框还涉及复杂的计算，如计算与真实边界框之间的交并比（IoU）得分。

FCOS的基本网络结构如下图所示。

其实可以简单的看出，FCOS也是呈现FPN结构，也使用了横向连接，并且也最终分为两个支路，一个处理类别概率，一个处理边界框的回归。FCOS一共使用了5个特征图层，{P3, P4, P5, P6, P7}。其中，P3、P4和P5是由主干CNN的特征图C3、C4和C5经过一个1×1的卷积层和[14]中的自顶向下连接生成的。P6和P7通过对P5和P6应用步长为2的卷积层生成。因此，特征层P3、P4、P5、P6和P7的步长分别为8、16、32、64和128。

因为FCOS不设置anchor boxes，而是将位置作为训练样本，如果一个位置落在了GT内，则是正样本，它的类别就是框的类别，反之是负样本，则为0。同时，他们直接限制了每个特征层的边界框回归范围，而不是为不同的特征层分配不同大小的锚点框。这点与基于锚点的检测器不同。作者设定了一些条件，如果回归目标（坐标点）满足，则被认为是负样本。同时，如果一个位置仍然被分配给多个真实边界框，我们只选择面积最小的真实边界框作为它的目标。

如果仔细观察，并且了解过RetinaNet之类的单目标检测网络结构你就会发现，FCOS的分类支路的终点多了条支路“Center-ness”。

之所以设置这样一层，是因为远离物体中心的位置产生了大量低质量的预测边界框。添加这条支路的目的就是预测位置的中心度。通过引入中心度分支，FCOS就可以通过学习判断每个位置对应的边界框是否接近物体中心。这样就可以抑制那些远离物体中心的低质量检测边界框，从而提高检测性能。公式如下。