FCOS: Fully Convolutional One-Stage Object Detection论文解读
一、论文下载地址及贡献
1.1论文下载地址
论文下载地址:https://arxiv.org/abs/1904.01355
1.2论文贡献
提出一种基于完全卷积的one-stage的目标检测器FCOS,以每像素预测来解决目标检测。
二、论文背景
2.1使用Anchor(Box)的弊端
弊端:
(1)检测性能对Anchor(Box)的大小、纵横比和数量很敏感。
(2)由于Anchor(Box)的比例和纵横比保持固定,检测器在处理具有大的形状变化的候选对象时遇到困难,尤其是对于小对象。预定义的Anchor(Box)还会妨碍检测器的泛化能力,因为它们需要针对具有不同对象大小或纵横比的新检测任务进行重新设计Anchor(Box)。
(3)为了达到很高的回归率,需要在输入图像上大量放置Anchor(Box),由于这些Anchor(Box)大部分在训练时候被标记为阴样本,导致正负样本不平衡。
(4)Anchor(Box)设计的超参数比较多,计算复杂,调试复杂。
2.2检测框架的优点
检测框架的优点:
(1)检测现在与许多其他可行的任务(如语义分割)相统一,使重用这些任务中的想法变得更加容易。
(2)框架是proposal free和anchor free的,减少了参数的数量。
(3)没有A