关于yolov3和fcos中inference差异

关于yolov3和fcos中inference差异：

yolov3和fcos的结构其实比较像，前者有类别+置信度，后者有类别+中心度，而且训练时对于类别都是使用了多个bce，对于objness则另外约束，除了Yolov3有3个anchor之外好像区别不大。

但在Inference的时候，根据阅读的源码，yolov3是先对每个anchor取出分数最高的那类，然后与Obj相乘，得到一个综合的分数，再根据这个进行nms，但是，fcos则是保留每个point的所有类别分数，在每一层上把所有的point的所有类别分数统一排序，取出top num，然后再将obj与这top num个分数取几何平均，最后再进行nms。

区别在哪呢，就在于，前者对于每个anchor只会得到一个类别的框，但是对于后者，会出现同一个point，在两类或者多类上分数都很高的 情况，然后出现一个框，两个类别。