FCOS-2019CVPR-读论文随笔

《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

文中多有不足，敬请批评指正!