FCOS:Fully Convolution One-Stage Object Detection

2019年anchor-free的论文

code

概述

---

• 要解决的问题
  • One-stage anchor-free object detection
• 采用的方法
  • center到top, left,right, bottom边距的回归
  • 由于采用了上述方法，出现了一些低质量的预测框，使用了“center-ness”方法来处理
• 结果如何
  • 比肩anchor-based一类的方法
  • one-stage state-of-the-art
  • FCOS的方法可以用作二阶段的RPN部分，效果提升
• 相关
  • 之前有过FCN-based的框架来做检测：DenseBox(2015), UnitBox(2017)。
  • 这些FCN-based的方法呢，都是直接在每个spatial location上进行预测(4D vector & 1-D cls)
  • anchor-based：来源于对于滑动窗口的考虑，如Fast R-CNN，Faster R-CNN, SSD,
  • anchor-free：most popular anchor-free detector might be YOLOv1，v2以及以上就使用了anchor，CornerNet，

细节

---

• 1、Fully Convolution One-Stage Object Detector

  • regression target：$t^{\ast }=(l^{\ast },t^{\ast },r^{\ast },b^{\ast })$，这里的四个$l^{\ast },t^{\ast },r^{\ast },b^{\ast }$分别表示的是location到bbox四个边的距离
    

  • 如果location落在了多个bbox里，那么认为这是一个“模糊样本”，选择小的bbox作为这个location预测样本的target

  • Loss函数（网络输出）
    $L(P_{x,y},t_{x,y})=\frac{1}{N_{pos}}\sum L_{cls}(P_{x,y},c_{x,y}^{\ast })+\frac{\lambda }{N_{pos}}\sum 1_{c_{x,y}^{\ast }>0}{L}_{reg}(t_{x,y},t_{x,y}^{\ast })$

    前面的分类损失函数是focal loss，回归损失则是IOU loss，$N_{pos}$表示的是正样本的数量

• 2、Multi-level Prediction with FPN for FCOS
  正负样本
  {$P_3,P_4,P_5,P_6,P_7$}特征层，分别对应的stride是8，16，32，64，128，在此处做一个限制，对于第$i$层的数据我们要满足$max(l^{\ast },r^{\ast },t^{\ast },b^{\ast })>m_i$或者满足$max(l^{\ast },r^{\ast },t^{\ast },b^{\ast })<m_{i-1}$，那么这个location的预测框设为负样本。那么$m_2,m_3,m_4,m_5,m_6,m_7$设置为0, 64, 128, 256, 512, $\infty$

• 3、Center-ness for FCOS
  motivation: 许多低质量的预测框（远离目标的中心）
  所以增加了一个branch来预测每个location的center-ness，表示的是某一个location距离目标中心的距离。对应的target如下：

  $centernes{s}^{\ast }=\sqrt{\frac{min(l^{\ast },r^{\ast })}{max(l^{\ast },r^{\ast })}\ast \frac{min(t^{\ast },b^{\ast })}{max(t^{\ast },b^{\ast })}}$

Result

---

Param	Value
dataset	COCO
backbone	ResNet-50, 超参与RetinaNet相同
Optimizer	SGD, 90K iters, lr=0.01
batchsize	16 images
inference params	post-processing NMS

• BPR:best possible recall
  
• FPN
  
• 对比
  
• 质量分析

Conclusion

---

暂缓