FCOS: Fully Convolutional One-Stage Object Detection

论文：FCOS: Fully Convolutional One-Stage Object Detection

目录

• 0.简介
• 1.网络结构
• 2.框回归——直接、自由
• 3.Center-ness

0.简介

摘要：

• one-stage；44.7% in AP with single-model and single-scale testing
• solve object detection in a per-pixel prediction fashion
• anchor-free
• simple。所有anchor相关的超参没有了；不用通过计算IOU来决定谁是能参与训练与预测的positive sample。（当然，选出的高分positive样本，在训练时，还是要和ground truth计算IOU的）

作者点名叫板FasterRCNN, SSD, YOLO这些anchor-based模型，指出如下存在的问题：

1. 模型效果对anchor的超参敏感。如每个点对应的anchor数量、大小、比例。
2. 尽管anchor设置了几个大小、比例，但这些尺寸仍然是固定的。无法处理尺度跨度较大的目标们。
3. 正负样本不平衡。每张图有180K个anchor-boxes，但大部分都是负样本。
4. 决定哪些是正样本来参与训练与预测，也需要如IOU这样很大 的运算量。

并呼吁整个领域一起思考，所谓的目标检测范式——anchor，真的是必需的吗？

作者称自己新的框架有如下优势：

1. 现在目标检测和其他任务结合了。可以复用其他领域（语义分割）关于FCN的idea。
2. 减少了设计的参数。
3. 避免计算了IOU来决定谁是能参与训练与预测的positive sample。效率高。
4. FOCS也可以被当作一个RPN，用到two-stage检测器中。比anchor-based的RPN更好用。

1.网络结构

ResNet+FPN网络，后接几个分支，其中一个是分类，分类采用的C个分类器二分类，这些都不用多说，重点是Regression和Center-ness分支。Regression不是预测anchor-box/proposed-rigon的调整了，而是直接预测feature-map上一点所属于某一目标的框的大小、比例及位置（l, t , r ,b）。Center-ness是为了减少一些低质量的点预测出的目标框，每个点预测出一个（0，1）的系数，它描述的是此点与预测出的框的中心的举例。最终给预测框排序是按Center-ness与分类得分乘积的结果来排。

2.框回归——直接、自由

作者舍弃anchor-based的方法，回归阶段不是预测anchor-box/proposed-rigon的调整，直接预测一个物体的大小、比例，完全自由，输出结果（l, t, r ,b）——此点到物体框的左、上、右、下距离，就确定了整个物体框的大小、比例，而点也不是在框的正中心了。如果一个位置的点，落在了多个bounding box里，就产生了歧义，作者直接规定选择最小面积的那个作为他的回归目标（这里说的应该是多尺寸网络的问题吧，指特征图上一个点在不同尺度分支里预测了多个物体，返回到原图正好是一个点，那么在原图中选择要区域小的那个）。

3.Center-ness

在FOCS中用了多尺度预测后，发现距离那些anchor-based算法还有不小差距。作者观察到是因为是由于很多距离物体中心很远的location点预测出了质量很低的bounding box。于是在网络中加入center-ness ，来抑制这些点。

与分类分支平行的地方加入center-ness分支（在COCO数据集上，如果加在与regression平行的地方会得到更好的AP，但本文默认前者设计，正如第一节中的网络结构图），对于feature map上的每个点，此分支输出一个（0，1）的数值，它描述的是此点距离它负责的物体的框的中心的距离（注意因为在FCOS中，position点已经不是物体框正中心了嘛。），在测试阶段，选择positiive的bounding box所根据的final score排序，来源于center-ness×分类得分。（训练阶段应该是没有这样操作一下，只是把这部分算了一下BCE-loss加在总的loss里了）最后NMS得出最终检测结果。