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

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