FCOS: Fully Convolutional One-Stage Object Detection
FCOS: Fully Convolutional One-Stage Object Detection
2020-06-16 18:44:21
Paper: iccv-2019
Extension: https://arxiv.org/abs/2006.09214
Tracking version:
- Accurate Anchor Free Tracking, Shengyun Peng, Yunxuan Yu, Kun Wang, Lei He, [arXiv]
- Fully Conventional Anchor-Free Siamese Networks for Object Tracking. Han, Guang, et al. IEEE Access 7 (2019): 123934-123943. [IEEE Access]
1. Background and Motivation:
作者认为基于 anchor 的物体检测器，有如下的几个缺点：
1). 检测的效果对 size，比例，以及 anchor 个数，较为敏感；
2). 即使参数调整的很仔细，但是 scale 和 aspect ratios 仍然是固定的，这使得处理较大变化长宽比的情况时，效果不佳。特别是小物体；
3). 为了得到较高的 recall rate，一个基于 anchor 的检测器需要重复的放置多个 BBox；而很多这种BBox都是负样本，从而导致正负样本失衡；
4). Anchor Boxes 计算复杂度较高，例如计算与真值的 IoU 得分。
所以，现有方法有尝试利用 anchor-free 的方法来做物体检测，但是仅仅限于特定的场景。因为 generic object detection 有如下的挑战：
当两个 BBox 相互重叠的时候，就很难确定回归到什么程度呢？
针对上述问题，作者提出了一种简单地方法进行解决。
2. The Proposed Method：
2.1. Fully Convolutional One-stage Object Detector
给定输入的特征图 Fi，假设对应的真值 BBox 为 Bi。
文中用到的两个损失函数为：
2.2 Multi-level Prediction with FPN for FCOS
用多层特征，同时进行预测。
2.3. Center-ness:
具体定义如下：
3. Experiments：