一.提出背景

2019 是 Anchor Free 大行其道的一年,从CornerNet 到 ExtremeNet,从FSAF到FCOS,层出不穷。

论文:FCOS: Fully Convolutional One-Stage Object Detection【paper】【github】

二.算法框架

FCOS框架比较简单,架构图参考:

基础backbone是一个3层的卷积网络(对应图中C3,C4,C5),Pyramid特征金字塔构建完成P3-P7(感觉到P6就够了),每个金字塔层对应一个预测头(Head)。

其中Head层分为3个预测分支,1个分类 + 1个位置回归 + 1个Center-ness(用于构建居中loss,后面展开)

二.Why FCOS?

看着架构图来看为什么要这么设计?

1)特征pyramid价值

不同尺度的目标,在不同的特征层下 特征保留的最好,将目标按照尺度划分到不同特征层进行回归,能够有效处理重叠目标(假设重叠目标的尺度不同)。

2)Anchor Free的价值

对于基于Anchor检测来讲,正样本按照尺寸和宽高比被划分到不同的Anchor,导致对于每一个Anchor,其分类和位置回归用到的训练样本都会大大减少。

Anchor Free解决的就是这个问题,基于中心点回归4条边的位置:

Loss定义为 分类Loss + 回归Loss

3)Center-ness

“Center-ness”是指回归框距离中心的度量,公式很简单,l*,r* 差异越大,值越接近0,相等时=1

通过 Center-ness Loss,将回归返回尽量约束在以当前点为中心的BBox上,这样做的好处是降低非Center Box的权重,有效抑制偏离中心的Box,

三.试验效果(进一步改进)

试验效果如下:

非常不错,超越YOLO v2和SSD、CornerNet,改进思路:

将回归位置归一化到【0,1】,添加多任务分支(比如分割),结合Anchor-Based方法 等。

Anchor Free检测算法之FCOS相关推荐

  1. 3D目标检测算法调研FCOS/FCOS3D/FCOS3D++算法介绍

    一.综述 3D检测背景 二维目标检测算法能识别物体的类别.平面坐标以及边长,是计算机视觉中的一个基本问题.但是对于自动驾驶来说,二维信息还不足以让汽车充分感知三维立体的真实世界,当一辆智能汽车需要在道 ...

  2. 真正意义的Anchor-Free,FCOS目标检测算法了解一下

    点击上方"AI搞事情"关注我们 2019年目标检测领域比较火的一个方向就是Anchor-Free,比如:CornerNet.ExtremeNet.CenterNet.FoveaBo ...

  3. 目标检测算法横向比较,包括backbone、特征融合、loss、proposal/anchor/heatmap、NMS、正负样本设置等

    目标检测算法发展移步:目标检测算法 本文从算法改进的方向,进行横向比较,包括backbone,特征融合.loss.proposal/anchor/heatmap.NMS.正负样本设置等 Referen ...

  4. YOLOv1——YOLOX系列及FCOS目标检测算法详解

    文章目录 一. 开山之作:YOLOv1 1.1. YOLOv1简介 1.2 YOLOv1 检测原理 1.3 YOLOv1网络结构 1.4 YOLOv1 损失函数 1.5 YOLOv1优缺点 二. YO ...

  5. 目标检测算法——anchor free

    一.anchor free 概述 1.先要知道anchor 是什么(这需要先了解二阶段如faster rcnn,一阶检测器如YOLO V2以后或SSD等). 在过去,目标检测通常被建模为对候选框的分类 ...

  6. 地平线机器人提出Anchor free、NMS free的3D目标检测算法 | CVPR2020 Workshop

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 这是一篇由地平线机器人发表在CVPR2020 Workshop的文章,主要是将Anchor Free的 ...

  7. (20)目标检测算法之YOLOv5计算预选框、详解anchor计算

    目标检测算法之YOLOv5计算预选框.详解anchor计算 单节段目标检测算法中:预选框的设定直接影响最终的检测精度 众所周知,yolov5中采用自适应调整预选框anchor的大小,但万事开头难,配置 ...

  8. 基于改进FCOS的钢带表面缺陷检测算法

    本文转载自人工智能技术与咨询.新机器视觉 摘要 针对现有钢带表面缺陷检测所存在的检测效率低.适用范围有限等缺陷,提出一种基于改进FCOS的钢带表面缺陷检测算法.该算法使用含形变卷积的卷积神经网络提取缺 ...

  9. FCOS论文复现:通用物体检测算法

    摘要:本案例代码是FCOS论文复现的体验案例,此模型为FCOS论文中所提出算法在ModelArts + PyTorch框架下的实现.本代码支持FCOS + ResNet-101在MS-COCO数据集上 ...

最新文章

  1. Python入门难吗?30年前的编程语言,为什么现在这么火?
  2. 解决intellij IEDA mapper.xml文件警告以及could not autowire的错误提示
  3. php将配置信息写入文件,Php写入配置文件的经典漏洞
  4. GitLab-怎样使用GitLab托管项目
  5. 计算机组成原理考试复习
  6. 软考(5)--软件工程
  7. 【读书笔记《Android游戏编程之从零开始》】6.Android 游戏开发常用的系统控件(TabHost、ListView)...
  8. JavaFX鼠标滚动放大缩小图片
  9. 使用Spring Security的多租户应用程序的无状态会话
  10. 4-3:TCP协议之UDP协议
  11. python队列及其实现
  12. uni app 录音结束监听_全新重构,uni-app实现微信端性能翻倍
  13. HDU 1596 find the safest road (最短路)
  14. vscode extensions
  15. J2EE6 servlet session超时机制
  16. SAN(存储区域网络),WWN, WWPN,WWNN区别
  17. 修正的判定/条件覆盖
  18. Spring Cloud GateWay-过滤器
  19. Mac下的平铺式桌面 - Yabai
  20. 快速将有文件的FAT32格式的U盘转NTFS格式(Windows)

热门文章

  1. OSChina 周四乱弹 —— 剁手过双十一
  2. 服务器可以指定一个网卡只和某个地址通信吗_彻底搞懂计算机网络通信设备与协议...
  3. 蚁视牵手联创互联,可持续拓展“第六媒体”新业态
  4. 下载安装纯净版火狐浏览器的步骤
  5. 人体行为姿势识别数据集WISDM实践
  6. Tomcat集成eclipse
  7. vue如何实现在页面上画画_Vue使用Canvas绘制图片、矩形、线条、文字,下载图片...
  8. CleanMyMac4.12.3最新版本Mac系统清理工具
  9. Scanner(System.in)中读取字符串容易犯的错误!
  10. ICMP网络控制报文简单分析