《FCOS: Fully Convolutional One-Stage Object Detection》
原文链接:https://arxiv.org/pdf/1904.01355.pdf
代码链接:tinyurl.com/FCOSv1
一、针对什么问题?
1、问题/缺点:
1)Anchor-based Detectors存在较多anchor超参数
2)Anchor-based Detectors中anchor与GT的IOU计算复杂
二、 提出什么方法?
提出一个单阶段,全卷积,anchor-free的检测器
1、贡献/优点:
1)解决了第一部分缺点;
2)可直接使用FCN相关的trick;
3)可直接替代级联检测器中的RPN,且效果更优;
4)可直接拓展为实例分割和关键点检测算法;
三、 相关工作
1、FCOS认为anchor-free中相关算法的不足。
1)针对yolov1低召回率的问题,v2,v3采用引入anchor,FCOS采用对每一个特征点;
2)CornerNet缺点为:区分属于同一类目标的角点复杂;
3)DenseBox缺点为:处理重叠目标能力不足,召回率低;
2、思路/创新点:
核心思路:低召回率,采用了FPN+Center-ness
1)FPN可将location(x,y)同时落在多个GT的概率大大降低,当依旧落在多个GT时,取面积小的进行训练。个人认为作者认为面积大的目标可能被再次落入的概率更大。
问题:当出现大量尺寸处于同一level的目标时,会出现什么情况。
2)Center-ness可抑制location远离中心点的低质量BB
疑惑:Center-ness与原有Loss结合的方式
四、代码运行情况
FCOS在VisDrone上测试。
配置环境:
1080Ti,fcos_imprv_R_101_FPN_1x
测试结果:
'[email protected]', 0.263
'[email protected]:0.95', 0.150