随笔记录

【论文获取地址：https://arxiv.org/abs/1904.01355>

FCOS简介

FCOS是一种被定义为全卷积、单阶段且无需锚框机制的目标检测模型（Fully Convolutional One-stage Anchor-free Objector Detector），自其问世以来便在图像与视频内容分析领域得到了广泛应用，例如商品识别和Logo检测等场景。关于FCOS的整体架构及其特性，具体描述如下：

• 全卷积网络： * Backbone、Neck与Head均采用全卷积架构，以实现模块化建模、支持可扩展性应用及推理优化（如TensorRT、ONNXRuntime等）；
  • Backbone一般采用ResNet结构，用于提取不同Level的特征；Neck为FPN结构，用于增强和融合特征；各个Detection-level共享同一个Head结构，从而减少参数数量并提升计算效率；
  • 通过FPN对Backbone中的C3、C4与C5特征进行融合，生成P3、P4与P5；而P6、P7则由P5进一步降采样得到，对应的Stride