1. 摘要
本文提出了一种全卷积的一阶段目标检测器（FCOS），以按像素预测的方式解决目标检测，类似于语义分割。FCOS不含anchor，也不含proposal，所以他是Anchor-free的。总的来说，它是一种更加简单灵活的检测框架，速度快且检测精度高。
2. 本文方法
2.1 网络结构
2.2 Fully Convolutional One-Stage Object Detector
对于特征图的每个位置（x，y）映射回原图
（s是步长）。不同于anchor-based检测器，本文直接回归该位置的目标边界框，即检测器将每个点作为训练样本而不是anchor。
如果这个位置（x，y）落在了真实框里面，且类别等于这个真实框的类别标签，则该位置被作为正例，其他的被当做负例且c=0.
除了分类外，还有一个四维向量
作为该位置的回归目标，这四个数是这个点到真实框四个边的垂直距离。另外，如果这个点落在多个边界框中，则视为不明确的例子（ambiguous sample）。只需选择具有最小面积的边界框作为回归目标。
如果这个点（x，y）与一个边界框B_i联系上了，那么这个点的训练回归目标公式化为：
网络的输出：
网络的输出是一个80维的向量，包括类别和4维位置预测值。本文不是训练一个多分类器，而是训练C个二值分类器（C为类别数目）。在backbone网络上分别添加分类分支和回归分支用于预测。
此外，由于回归目标总是正的，所以本文利用exp(x)将任何实数映射到回归分支的顶部的(0，∞)。
损失函数：
分类损失是focal loss，回归损失是UnitBox中使用的IOU Loss。
是指示函数，若分类预测值c大于0则为1，否则为0.
2.3 Multi-level Prediction with FPN for FCOS
存在的问题：
- 步幅大（16），导致较低的recall。
- 真实框的重叠导致难解的歧义（ambiguous sample），从而导致FCN性能下降。
解决以上问题的方法就是多级预测。
本文使用了5级预测，分别是
，具体如2.1中图所示。
不同于anchor-based的检测器的不同level使用不同anchor size的策略，本文直接限制每个level的边界框回归范围。
- 首先计算每个位置的回归目标（l，t，r，b）；
- 然后如果一个位置的（l，t，r，b）大于m_i，或者小于m_（i-1），则被视为负例，不参与回归边界框，m_i是该特征level需要回归的最大距离，本文中，m_2，m_3，m_4，m_5，m_6，m_7分别设为0,64,128,256,512和∞。
如果即使使用了多级预测的位置仍被分配给多个真实框，我们只需选择面积最小的真实框作为目标。 - 最后，在不同的特征层中共享head。但是，观察到，不同的特征level回归不同的size范围，所以不能在不同的特征level使用相同的head。解决：使用带有可训练标量s_i 的 exp（s_i * x）来自动调整特征level P_i的指数函数的基数，获得了微小的提升。
2.4 Center-ness for FCOS
存在问题：
远离物体中心的位置产生了一些低质量的预测边界框。
解决：center-ness
添加了一个平行于分类分支单一层分支来预测每个位置的“center-ness”。center-ness描述的是从位置到该位置负责的物体中心的标准化距离（normalized distance）。
根据回归目标（l，t，r，b），center-ness目标定义为：
在此处采用 sqrt 减慢中心度衰减的方法。 中心度范围从0到1，因此使用二进制交叉熵（BCE）损失。
在测试时，通过将预测的center-ness乘以对应的分类分数来计算最终分数（用于对检测到的边界框进行排名）。 因此，center-ness可以降低远离物体中心的边界框的分数的权重。 结果，这些低质量的边界框很有可能通过最终的非最大抑制（NMS）过程被滤除，从而显著提高了检测性能。
3. 实验
- FPN可以很好的解决低召回率和真实边界框内的重叠导致的歧义样本。
- 由回归向量计算出的center-ness无法改善性能，因此还是得需要单独的center-ness分支。
- 通过加一些小技巧，提升挺多，相比于anchor-based检测器有很大优势。
