FCOS阅读

Dense在图像金字塔上执行跟踪，违背了FCNs一次完成所有卷积运算的本性。
边界框高度重叠的地方有一个很强的歧义性，就是说，对于重叠区域的像素来说，你不确定回归哪个边界框。而FPN消除这种歧义性。
FCOS can be used as a Region
Proposal Networks (RPNs) in two-stage detectors，RPN是？
yolov1召回率低，因为只用center周围的点预测。
CornerNet是近期提出的one-stage系探测器，无anchor,需要一个复杂的预过程将属于一个实例的corners（边缘？角）组成一个队。
本文解决的办法是通过多层的FPN预测，还有提出的center-ness branch
比起基于锚框的有9倍更少的输出。
80维的p,因为这个数据集有80个类。