概述

在目标检测领域，早期已经发展出非常多的 anchor based 检测方法，包括 FasterRCNN、RetinaNet、SSD、YOLO v3 等，但是 这类 anchor based 方法，存在一些比较显著的问题：

• anchor 的大小、宽高比、以及数目都对检测性能有很大有影响；
• 尽管可以针对数据集对 anchor 做精心设计，但是小目标检测效果仍然不够好，而且这也大大降低了泛化性能；
• 为了检测精度，需要布置大量的 anchor，而其中绝大部分是负样本，造成了正负样本不均衡；
• anchor box 涉及到复杂的 IoU 计算，需要给每个 anchor 分配 gt box 框。

方法

针对 anchor based 方法的问题，作者提出了 FCOS，一种 anchor free 目标检测方法，整体结构示意图如下：

具体方法上：

• 模型输出五层不同尺度特征图，针对特征图上的点，直接回归分类和 box 坐标；
• 正样本选择上，使用 gt box 中心区域附近的点认为是正样本点。而这个区域大小，设置为到该层的 stride 值的 1.5 倍。同时确保不超过原始 box 框的大小。这样的正样本选择，实际上使得不会由于stride的设置，使得特征图对应原图位置的点被跳过不被选中作为 box 中心；
• 对于特征图上每个点，计算分类损失（focal loss）和回归损失（GIoU）。当然回归损失只有正样本才计算；
• 推理阶段，使用模型预测出的分类得分和 box 位置，做 NMS 非极大值抑制（threshold=0.6），后处理流程和 RetinaNet 一致。

除此之外，FCOS 还存在两个问题：

• 一是每个点可能对应到多个 gt 框，这使得在这个点进行的 box 和分类预测具有歧义性，模型不知道该去拟合哪个 gt （下面右图）；
• 二是在离目标中心较远的地方有很多低质量的预测框。

针对这两个问题 FCOS 给出了一定的解决方案：

• 多层特征图：在用多层特征图进行预测的时候，限制每个层级的特征图预测的 box 的大小范围，降低每个位置需要回归的 box 的歧义性。如果仍然有一个点对应到多个 gt 的情况，那么直接选择面积最小的 gt 作为这点的对应框；
• 提出Center-ness：在回归分支上增加一个 Center-ness 分支，预测每个位置和中心位置的偏移程度。在训练阶段将 Center-ness 加入损失项；在推理阶段，一个位置的得分是分类得分和 Center-ness 得分的乘积，抑制离目标中心点远的低质量预测。

Real-time FCOS

除 FCOS 模型，还提出了一个更为轻量化的 Real-time FCOS 模型，主要的修改在于：

• 降低输入图像大小，将输入图像短边由 800 降低到 512，长边最大值由 1333 降低到 736；
• 取消 P6、P7 两个低分辨率特征图。

结论

最终 FCOS 在 COCO 上 获得了较高的得分值。指标超出 anchor based 方法，但是可以看出仍然存在较多的手工设计值，回归歧义性的问题也需要更好的解决方法。如果实际使用，还是建议更新更成熟的算法。指标图如下：

标签：box,FCOS,based,Simple,Object,gt,样本,anchor
来源： https://blog.csdn.net/bengyanluo1542/article/details/121718636