FCOS

论文：FCOS: Fully Convolutional One-Stage Object Detection（CVPR 2019）速达>>
代码：tianzhi0549/FCOS

动机

Anchor Based Detector：

• 网络表现对Anchorde 尺寸、数量等敏感
• 需要小心设计尺寸、比例等，泛化能力不强，对一个新的数据集需要重新设计Anchor
• 需要密集的Anchor进行覆盖
• Anchor太多，涉及相当多的如IoU等计算

寻求一种简洁的目标检测算法，但同时保证速度和精度

Fcos

和之前的 CornerNet 、CenterNet 等 Anchor Box Free 算法差不多，设Outmap 的大小$(H,W,C)$ ，通道方向先不管，每个像素点对应一个预测目标，像素点的位置就是预测目标的位置（中心点或者顶点都可以代表目标位置，因算法的而异，但形式上差不多），位置可以通过与输入图片的映射关系($\lfloor \frac{s}{2}\rfloor +xs,\lfloor \frac{s}{2}\rfloor +ys$，$s$ for Stride)得到，总共$H\times W$个预测，每个预测要能得到对应的预测框和所属类别，一般分几个预测支路得到，如：分类支路、回归支路等，经过筛选（NMS等后处理算法）得到最终预测

FCOS有三条预测支路：

• Classification

• Center-ness：用于降低低质量预测框权重，中心点越偏离中心位置，centerness越小（在中间时为1）
  

• Regression：预测到目标框四条边的距离
  

更多的正样本

在Coco数据集上，图像标签为 $B_i=(x_0^{(i)},y_0^{(i)},x_1^{(i)},y_1^{(i)},c^{(i)})$，$(x_0^{(i)},y_0^{(i)})$ 和 $(x_1^{(i)},y_1^{(i)})$分别表示左上顶点和右下顶点，$c^{(i)}$ 表示类别。

如果位置$(x,y)$落在 Ground-truth Box 内即为正样本，并赋予相应的标签（类别、到目标框四条边距离$l^{\ast },t^{\ast },r^{\ast },b^{\ast }$ ）。目标框面积和背景面积差距不大，所以FCOS可以利用更多的正样本训练回归器，而 Anchor-based Detectors 需要足够的 IOU 才能认定为正样本，这样显然太少了

目标同位置问题

在 CenterNet 中，输出特征的尺寸足够大（下采样×4），这个情况并不明显。FCOS则采用 FPN 结构（Figure 2），将不同尺度的目标分配到各个 Level 上缓解这个问题，但是FCOS没有Anchor，如何分配：

• 根据到四条边的距离判断，$\max (l^{\ast },t^{\ast },r^{\ast },b^{\ast })>m_i$或者$\max (l^{\ast },t^{\ast },r^{\ast },b^{\ast })<m_{i-1}$为负，不回传梯度，文中$m^2,m^3,m^4,m^5,m^6,m^7$ 设为 $0,64,128,256,512,\infty$

如果还重叠，直接选最小的那个目标

相关实验

参考文献

【1】CornerNet
【2】CenterNet
【3】FCOS算法详解
【4】ATSS 算法——揭秘anchor-free和anchor-based算法差异