FCOS: Fully Convolutional One-Stage Object Detection

FCOS: Fully Convolutional One-Stage Object Detection

2020-06-16 18:44:21

 

Paper: iccv-2019 

Code: https://github.com/tianzhi0549/FCOS 

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：