論文筆記之FCOS

1. 摘要

本文提出了一種全卷積的一階段目標檢測器（FCOS），以按像素預測的方式解決目標檢測，類似於語義分割。FCOS不含anchor，也不含proposal，所以他是Anchor-free的。總的來說，它是一種更加簡單靈活的檢測框架，速度快且檢測精度高。

2. 本文方法

2.1 網絡結構

2.2 Fully Convolutional One-Stage Object Detector

對於特徵圖的每個位置（x，y）映射回原圖（s是步長）。不同於anchor-based檢測器，本文直接回歸該位置的目標邊界框，即檢測器將每個點作爲訓練樣本而不是anchor。

如果這個位置（x，y）落在了真實框裏面，且類別等於這個真實框的類別標籤，則該位置被作爲正例，其他的被當做負例且c=0.

除了分類外，還有一個四維向量作爲該位置的迴歸目標，這四個數是這個點到真實框四個邊的垂直距離。另外，如果這個點落在多個邊界框中，則視爲不明確的例子（ambiguous sample）。只需選擇具有最小面積的邊界框作爲迴歸目標。

如果這個點（x，y）與一個邊界框B_i聯繫上了，那麼這個點的訓練迴歸目標公式化爲：

網絡的輸出：
網絡的輸出是一個80維的向量，包括類別和4維位置預測值。本文不是訓練一個多分類器，而是訓練C個二值分類器（C爲類別數目）。在backbone網絡上分別添加分類分支和迴歸分支用於預測。

此外，由於迴歸目標總是正的，所以本文利用exp(x)將任何實數映射到迴歸分支的頂部的(0，∞)。

此外，由於迴歸目標總是正的，我們利用exp(x)將任何實數映射到迴歸分支的頂部(0，∞)。值得注意的是，FCOS的網絡輸出變量比流行的基於錨點的檢測器少9倍[15,24]，每個位置有9個錨點盒

損失函數：

分類損失是focal loss，迴歸損失是UnitBox中使用的IOU Loss。是指示函數，若分類預測值c大於0則爲1，否則爲0.

2.3 Multi-level Prediction with FPN for FCOS

存在的問題：

• 步幅大（16），導致較低的recall。
• 真實框的重疊導致難解的歧義（ambiguous sample），從而導致FCN性能下降。

解決以上問題的方法就是多級預測。
本文使用了5級預測，分別是，具體如2.1中圖所示。
不同於anchor-based的檢測器的不同level使用不同anchor size的策略，本文直接限制每個level的邊界框迴歸範圍。

• 首先計算每個位置的迴歸目標（l，t，r，b）；
• 然後如果一個位置的（l，t，r，b）大於m_i，或者小於m_（i-1），則被視爲負例，不參與迴歸邊界框，m_i是該特徵level需要回歸的最大距離，本文中，m_2，m_3，m_4，m_5，m_6，m_7分別設爲0,64,128,256,512和∞。
  如果即使使用了多級預測的位置仍被分配給多個真實框，我們只需選擇面積最小的真實框作爲目標。
• 最後，在不同的特徵層中共享head。但是，觀察到，不同的特徵level迴歸不同的size範圍，所以不能在不同的特徵level使用相同的head。解決：使用帶有可訓練標量s_i 的 exp（s_i x來自動調整特徵level Pi的指數函數的基數，獲得了微小的提升。

2.4 Center-ness for FCOS

存在問題：
遠離物體中心的位置產生了一些低質量的預測邊界框。

解決：center-ness
添加了一個平行於分類分支單一層分支來預測每個位置的“center-ness”。center-ness描述的是從位置到該位置負責的物體中心的標準化距離（normalized distance）。

根據迴歸目標（l，t，r，b），center-ness目標定義爲：

在此處採用 sqrt 減慢中心度衰減的方法。 中心度範圍從0到1，因此使用二進制交叉熵（BCE）損失。

在測試時，通過將預測的center-ness乘以對應的分類分數來計算最終分數（用於對檢測到的邊界框進行排名）。 因此，center-ness可以降低遠離物體中心的邊界框的分數的權重。 結果，這些低質量的邊界框很有可能通過最終的非最大抑制（NMS）過程被濾除，從而顯著提高了檢測性能。

3. 實驗

• FPN可以很好的解決低召回率和真實邊界框內的重疊導致的歧義樣本。
• 由迴歸向量計算出的center-ness無法改善性能，因此還是得需要單獨的center-ness分支。
• 通過加一些小技巧，提升挺多，相比於anchor-based檢測器有很大優勢。