【论文简述】目标检测:FCOS(2019)

B站简介视频:https://www.bilibili.com/video/BV16V411m73M?spm_id_from=333.337.search-card.all.click

FOCS:借用FCN思想来进行目标检测

  1. proposal free + anchor free,减少了超参数的数量。
  2. 避免了IoU的复杂计算
  3. 模型精确度和通用性高。

方法:

【论文简述】目标检测:FCOS(2019)_第1张图片
在这里插入图片描述
【论文简述】目标检测:FCOS(2019)_第2张图片

完整架构:主干神经网络+FPN+预测子网络

为什么最后两层没有进行上采样呢?FPN结构在高层的语义特征进行融合效果并不好,所以构建FPN没有必要使用所有的卷积层。但为了尺度的多样性,在其后面加入了P6/P7
【论文简述】目标检测:FCOS(2019)_第3张图片

解决ambiguous的方法的核心思想:

由于使用了金字塔结构所以最底层feature_map单元和小的bbox绑定在一起,再往上层feature_map单元和大的bbox绑定在一起。
【论文简述】目标检测:FCOS(2019)_第4张图片

centerness支流

【论文简述】目标检测:FCOS(2019)_第5张图片

你可能感兴趣的:(目标检测,目标检测)