論文思想

FCOS全稱“全卷積單階段物體檢測方法”，首次在目標檢測任務中采用了圖像分割的思路，即，以點為基準，通過預測點至bbox左、右、上、下邊界的距離確定bbox的位置， 是一種無錨點(anchor-free)、無提議(proposal-free)的目標解決方案。

可以認為，FCOS傳承了CornerNet的部分思路，但在具體執行層面有較大的不同，是目前最先進的單階段檢測方案。

• 優越性

1、避免了關于錨框的復雜運算，節省了訓練過程中的內存占用，并且，能夠避免和錨框有且對 最終檢測結果非常敏感的超參數的調整；

2、采用多層預測策略可有效解決不同大小物體的遮擋問題；

3、后處理只采用非極大值抑制(NMS)，相對于以往基于錨框的單階段檢測器更加簡單；

4、在準確率和召率方面超過目前所有單階段檢測算法，并接近或超過雙階段檢測算法。

• 貢獻

1、首次利用圖像分割的思路解決目標檢測任務，設計了端到端的目標檢測網絡，在召回率、準 確率等方面表現接近甚至超過目前很多先進主流的基于錨框目標檢測算法

2、提出了中心度的思想(Center-ness)。

總結

以上是生活随笔為你收集整理的focal loss dice loss源码_Detection学习之七-FCOS论文源码解读的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。