FCOS：全卷积单阶段目标检测
计算机视觉与模式识别
2019-08-21 v5
摘要
我们提出一种全卷积单阶段目标检测器（FCOS），以逐像素预测的方式解决目标检测问题，类似于语义分割。几乎所有最先进的目标检测器如RetinaNet、SSD、YOLOv3和Faster R-CNN都依赖于预定义的锚框。相比之下，我们提出的检测器FCOS既无锚框，也无候选框。通过消除预定义锚框集合，FCOS完全避免了与锚框相关的复杂计算，例如训练期间重叠度的计算。更重要的是，我们也避免了所有与锚框相关的超参数，这些超参数往往对最终检测性能非常敏感。仅使用非极大值抑制（NMS）后处理，FCOS配合ResNeXt-64x4d-101在单模型单尺度测试下取得44.7%的AP，超越了以往的单阶段检测器，且具有简单得多的优势。我们首次展示了一种更简单灵活的框架能够实现更高的检测精度。我们希望所提出的FCOS框架能作为许多其他实例级任务的简单而强大的替代方案。代码见：https://tinyurl.com/FCOSv1
引用
@article{arxiv.1904.01355,
title = {FCOS: Fully Convolutional One-Stage Object Detection},
author = {Zhi Tian and Chunhua Shen and Hao Chen and Tong He},
journal= {arXiv preprint arXiv:1904.01355},
year = {2019}
}
备注
Accepted to Proc. Int. Conf. Computer Vision 2019. 13 pages. Code is available at: https://github.com/tianzhi0549/FCOS/