谢宇回归分析pdf_mmdetection最小复刻版(六)：FCOS深入可视化分析

AI编辑：深度眸

0 概要

论文名称：FCOS: A simple and strong anchor-free object detector
论文地址：https://arxiv.org/pdf/2006.09214v3.pdf
论文名称：FCOS: Fully Convolutional One-Stage Object Detection
论文地址：https://arxiv.org/pdf/1904.01355v1.pdf
官方代码地址：https://github.com/aim-uofa/AdelaiDet/

    FCOS是目前最经典优雅的一阶段anchor-free目标检测算法，其模型结构主流、设计思路清晰、超参极少和不错的性能使其成为后续各个改进算法的baseline，和retinanet一样影响深远，故非常有必要对其进行深入分析。

    一个大家都知道的问题，anchor-base的缺点是：超参太多，特别是anchor的设置对结果影响很大,不同项目这些超参都需要根据经验来确定，难度较大。 而anchor-free做法虽然还是有超参，但是至少去掉了anchor设置这个最大难题。fcos算法可以认为是point-base类算法也就是特征图上面每一个点都进行分类和回归预测，简单来说就是anchor个数为1的且为正方形anchor-base类算法。

    在目前看来，任何一个目标检测算法的核心组件都包括backbone+neck+多尺度head+正负样本定义+正负样本平衡采样+loss设计，除了正负样本平衡采样不一定有外，其他每个环节都是目前研究重点，到处存在不平衡问题，而本文重点是在正负样本定义上面做文章。

贴一下github:https://github.com/hhaAndroid/mmdetection-mini

欢迎star

1 fcos和retinanet算法对比分析

     FCOS结构和retinanet几乎相同，但是有细微差别，下面会细说。

    不清楚retinanet结构的请看：mmdetection最小复刻版(二)：RetinaNet和YoloV3分析

    retinanet的结构大概可以总结为：

• resnet输出是4个特征图，按照特征图从大到小排列，分别是c2 c3 c4 c5，stride=4,8,16,32。Retinanet考虑计算量仅仅用了c3 c4 c5

• 先对这三层进行1x1改变通道，全部输出256个通道；然后经过从高层到底层的最近邻上采样add操作进行特征融合，最后对每个层进行3x3的卷积，得到p3,p4,p5特征图

• 还需要构建两个额外的输出层stride=64,128,首先对c5进行3x3卷积且stride=2进行下采样得到P6，然后对P6进行同样的3x3卷积且stride=2，得到P7

下面介绍fcos和retinanet算法的区别

1.1 resnet的style模式区别

左边是fcos配置，右边是retinanet配置。

(1) resnet骨架区别
    在resnet骨架中，style='caffe'参数和style='pytorch'的差别就在Bottleneck模块，该模块的结构如下：

主干网络是标准的1x1-3x3-1x1结构，考虑stride=2进行下采样的场景，对于caffe模式来说，stride参数放置在第一个1x1卷积上，对于pytorch模式来说，stride放在第二个3x3卷积上：

if self.style == 'pytorch':