FCOS : 找到诀窍了,anchor-free的one-stage目标检测算法也可以很准 | ICCV 2019
> 论文提出anchor-free和proposal-free的one-stage的目标检测算法FCOS,不再需要anchor相关的的超参数,在目前流行的逐像素(per-pixel)预测方法上进行目标检测,根据实验结果来看,FCOS能够与主流的检测算法相比较,达到SOTA,为后面的大热的anchor-free方法提供了很好的参考 来源:【晓飞的算法工程笔记】 公众号 论文: FCOS: Fully Convolutional One-Stage Object Detection 论文地址: https://arxiv.org/abs/1904.01355 Introduction 大多目标检测网络都是anchor-based,虽然anchor能带来很大的准确率提升,但也会带来一些缺点: 准确率对anchor的尺寸、长宽比和数量较为敏感,这些超参都会人工细调 anchor的尺寸和长宽是固定的,如果目标的相关属性相差较大,会比较难预测 为了高召回,通常会使用密集的anchor布满输入,大多为负样本,导致训练不平衡 anchor需要如IOU的复杂计算 近期,FCNs在各视觉任务中都有不错的表现,但目标检测由于anchor的存在,不能进行纯逐像素预测,于是论文抛弃anchor,提出逐像素全卷积目标检测网络FCOS网络,总结如下: 效仿前期的FCNs-based网络