FCOS: Fully Convolutional One-Stage Object Detection

原文我就不贴了，说一下感受吧！


从检测方法出来，自我感觉一直不协调，现有的方法如fast系列一直比较复杂，强大的神经网络应该是简单高效的，one-stage从yolo出来后感觉好了很多，但是在最后的map上做roi
anchor一直感觉特别冗余，还好corner出来了，但其也存在的问题，不同的pool结构，还有总感觉这种方式怪怪的。然后FCOS出来了，完全感受到了高效和简单，在此膜拜一下大神，感觉神经网络就应该这样，以最简单的方式，取得很好的效果。

FCOS: Fully Convolutional One-Stage Object Detection

简单介绍一下，方法很简单，好文。


看到上图了吗，没错，就是这么粗暴，像素级的预测t,l,r,b,当然，上面存在着一个问题，就是一个点包含两个框，怎么搞，当然选小的了，不不不，FPN啊：



稍微解释一下最后的框框，x4是4层卷积，class分类，距离中心的loss，回归，

然后是中心度的定义，二进制交叉熵做loss。


ok，讲完了， 简单吧，粗暴吧，开始实现吧！

• « 上一篇：ESP8266（一）---引脚定义&接线说明
• » 下一篇：单体应用架构和微服务架构的区别