FCOS

作者提出全卷积单阶段目标检测算法，类似语义分割方式进行逐像素预测。现在大部分stoa目标检测算法都是基于anchor的，FCOS是不用anchor和proposal的。通过去掉预先定义的achor框集合，FCOS能够避免与anchor框相关的复杂计算（比如训练时计算overlap），同时减少了显存的消耗。作者号称能够避免与anchor相关的超参设置（在实际使用中，anchor超参设置确实对结果有很大的影响）。FCOS用的后处理还是NMS。

作者在文中声称FCOS可以作为两阶段检测算法的RPNs，可以让算法得到更好地表现。并且说FCOS可以扩展成实例分割和关键点检测。

• FCOS是逐像素做检测
• 使用了多level的预测（提高召回+解决了训练时重叠框的不确定性问题）
• 提出了centerness，抑制低质量检测框，通过大margin提升整体性能

记 是在backbone的第i层的特征，s是在此层前的总体stride，将gt bboxes定义为 。其中的4个坐标表示框的左上角和右下角。c代表框的类别。对于在特征 上的位置(x,y)，可以将它映射回输入图像 ,这样是贴近位置（x,y）的 receptive field的中心的。FCOS对于每个位置直接回归bbox。
如果位置（x，y）在gt的bbox里面的话，那么它被认为是正样本，否则它会被认为是负样本。FCOS定义了4维的向量 作为回归目标。这四个坐标表示这个位置到框的四个边的距离（如下图所示）。如果一个位置在多个框中，它会被看做不确定样本，现在的做法是选择面积小的框作为它的目标。个人感觉这种方式还有待更多考虑和实验

如果给FCOS提供更多前景样本，它会更容易收敛。带anchor的方法需要高IOU判断才能当做正样本。

网络输出：对于COCO而言，最后一层预测80维分类标签和4维的bbox。FCOS训练了C个二分类网络；对于分类和回归，各在特征后面加入4个卷积层；因为回归结果正的，所以在回归分支用了exp(x)去映射真实值。FCOS相比anchor算法（每个位置9个anchor box的算法）减少了9倍的网络输出变量
损失函数如下图所示， 是focal loss， 是IOU loss. 是正样本数量， 为1，

在推断的时候，在每个特征层根据分类的score判断是否正样本，并用公式1来反推bbox。

FCOS多层预测
大stride（比如16）会大致低BPR(best possible recall). 对于anchor方法，低BPR的原因是对于正样本有IOU要求。对于FCOS而言，作者用实验证明了即使对于大stride，FCOS仍然能保证好的BPR。并且FPN还能提升BPR。
GT中的Overlaps可能导致棘手不确定性，这种情况会降低基于FCN的检测。
FCOS在不同层特征，检测不同size的物体，使用了5个特征层 ，3 4 5来着backbone C3，C4，C5后面接一个1x1卷积。P6 P7是在P5后面用stride为2的一层卷积层得到。那么stride分别为8，16，32，64，128。
FCOS直接在每层特征层限制bbox的回归范围。

1. 计算所有位置的target框
2. 如果一个位置满足 or ,这个位置会被置为负样本，不用回归bbox。 是特征i回归的最大距离

因为不同大小的目标被送到不同特征层中预测（可以缓解大小不同物体在overlap发生的情况造成的影响）个人感觉这会将 的设置变成超参
FCOS中不是使用exp(x),而是用了 ,其中 是可以训练的用来调整在特征层i的回归函数，这是涨点的一个关键。

Center-ness
FCOS在使用FPN情况下性能仍然低于achor方法，原因是远离目标中心的位置产生了低质量框预测。FCOS加了单个分支预测一个位置的Center-ness，gt计算方式是：

训练时候用BCE。推断的时候将centerness乘到分类score上去，这样可以抑制远离目标中心的位置产生的预测。

实验就不分析了。
个人总结FCOS的关键点是：

• 逐像素检测，训练时没有IOU阈值，训练时候正样本数目变多，有利于高召回
• 回归框的时候使用exp函数，利于收敛；在exp中使用可学习的变量，提升拟合能力
• 训练时根据目标与位置的相对距离分层分配，有利于收敛，同时能缓解overlap
• 使用center-ness学习每个位置的相对中心性，在训练时候引入了多个loss信息；在预测时候能够抑制低质量预测