前 言
全卷积的 one-stage目标检测器(FCOS),对每个像素进行预测的方式来解决目标检测问题,类似于语义分割。FCOS 不需要 anchor box,同时也不需要 proposals,由于消除了对预定义 anchor 的依赖,因此避免了与 anchor box相关的复杂计算,同时还避免了与 anchor相关的所有超参数,例如:尺寸、宽高比、数量等,通常这些参数对最终检测性能非常敏感。FCOS 优于之前的 anchor-based one-stage detectors。
章节目录
一、anchor-based detectors 存在的一些缺点:
二、FCOS具有以下优点:
三、细节:
1、网络的输出
2、损失函数
3、推理预测
四、基于FPN的FCOS多级预测
五、center-ness
六、实验效果
01
anchor-based detectors 存在的一些缺点
目前主流的目标检测算法,如Faster R-CNN,SSD 和YOLOv2,v3等都依赖于一组预定义的 anchor box,尽管 anchor box使检测器取得了巨大成功,但anchor-based detectors 存在的一些缺点:
1、如 Faster R-CNN 和 Focal Loss ,检测性能对anchor box 的尺寸、宽高比、数量非常敏感。例如,在RetinaNet 中,根据 COCO 构建的 benchmark 上,仅仅改变这些超参数就会影响AP的性能提升4%。
2、由于 anchor box 的