【论文学习】目标检测 —— FCOS:CVPR 2019关于one-stage和anchor-free最新实用算法

FCOS是CVPR 2019提出的一种全卷积one-stage目标检测算法,无需预定义锚框,简化了目标检测过程,提高了mAP。通过Center-ness策略提升框的质量,减少低质量检测框,实现与语义分割任务的结合。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Paper:FCOS: Fully Convolutional One-Stage Object Detection,CVPR 2019

URL: https://arxiv.org/pdf/1904.01355.pdf

Code is available at: tinyurl.com/FCOSv1 

这篇文章是单阶段的目标检测算法,基于anchor-free思想,效果非常好,达到41的mAP,比去年超厉害的RetinaNet高了1.9%。

paper核心idea:利用分割的思想做像素级别的目标检测,使用FPN解决overlap问题,用center-ness提升框的质量。

 

摘要

本文提出了一种全卷积one-stage目标检测算法(FCOS),以逐像素预测的方式解决目标检测问题,类似于语义分割。目前最流行的不论是one-stage目标检测算法,如RetinaNet,SSD,YOLOv3,还是two-stage目标检测算法,如Faster R-CNN。这两类算法大都依赖于预定义的锚框(anchor boxes)。相比之下,本文提出的目标检测算法FCOS不需要锚框。通过消除预定义的锚框,FCOS避免了与锚框相关的复杂计算,例如在训练期间计算重叠等,并且显著减少了训练内存。更重要的是,FCOS还避免了设定与锚框相关的所有超参数,这些参数通常对最终检测性能非常敏感。FCOS算法凭借唯一的后处理:非极大值抑制(NMS),实现了优于以前基于锚框的one-stage检测算法的效果。

背景

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值