2019-06-24 21:32:03  阅读数 277更多

分类专栏： 深度学习 计算机视觉 目标检测
 
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/kevin_zhao_zl/article/details/93485842

论文地址： FCOS: Fully Convolutional One-Stage Object Detection
工程地址：github链接

1. 简介

  基于锚框的目标检测器虽然效果很好，但存在以下问题：

  • 检测的性能与锚框的尺寸、长宽比和数量有关

  • 锚框大小相对固定，对大幅变形的物体的检测精度低

  • 为了提高召回率，需要大量锚框，但大多数都被标记为"negative"

  • 大量的锚框增加了计算复杂度和内存占用

  另一方面，全卷积网络在诸如语义分割、深度估计、关键点检测以及计数方面表现不俗，自然引出这样一个问题：全卷积能够用于目标检测中？

  基于上面两方面的内容，该论文提出了一个不需要预定义锚框的一阶段全卷积目标检测方法—FCOS，主要的贡献和优势在于：

  • 检测与其他的全卷积网络的应用领域相结合，一些idea可以互相套用

  • 目标检测不需要提议和锚框

  • 取得了一阶段的SOTA检测性能

  • 能够通过微小调整就应用于实例分割、关键点检测等任务中。为基于实例的问题提供了新途径

2. 方法思路

2.1 一阶段全卷积目标检测器的形式化描述

  令,