目標(biāo)檢測(cè)系列文章
yolo v1原理：https://blog.csdn.net/cjnewstar111/article/details/94035842
yolo v2原理：https://blog.csdn.net/cjnewstar111/article/details/94037110
yolo v3原理：https://blog.csdn.net/cjnewstar111/article/details/94037828
SSD原理：https://blog.csdn.net/cjnewstar111/article/details/94038536
FoveaBox：https://blog.csdn.net/cjnewstar111/article/details/94203397
FCOS：https://blog.csdn.net/cjnewstar111/article/details/94021688
FSAF: https://blog.csdn.net/cjnewstar111/article/details/94019687

簡(jiǎn)介
FoveaBox是一個(gè)anchor free的目標(biāo)檢測(cè)框架，與FCOS比較類似
?? ??? ?
網(wǎng)絡(luò)結(jié)構(gòu)

如下圖所示

? ? ? ?
可以看出FoveaBox和FCOS非常相似，經(jīng)過(guò)FPN之后的特征圖通過(guò)兩個(gè)分支，一個(gè)預(yù)測(cè)類別，輸出維度是H*W*C. 一個(gè)預(yù)測(cè)位置，輸出維度是H*W*4。
在FCOS里面，會(huì)有一個(gè)Centerness的輸出，用來(lái)剔除原理目標(biāo)中中點(diǎn)的預(yù)測(cè)框。而在FoveaBox里面，增加了一個(gè)FovearArea的模塊，在訓(xùn)練的時(shí)候，他將GT框往里收縮一定比例，作為正樣本像素點(diǎn)（此區(qū)域就是圖像的fovea area），將GT框往外擴(kuò)展一定比例，然后之外的當(dāng)做負(fù)樣本像素點(diǎn)。中間的忽略。以此來(lái)減少遠(yuǎn)離中心點(diǎn)的預(yù)測(cè)，從而提高精度。總的來(lái)說(shuō)FCOS使用的CentNess感覺(jué)更平滑一點(diǎn)，而且沒(méi)有超參。FoveaBox需要自己調(diào)整正樣本像素點(diǎn)和負(fù)樣本像素點(diǎn)的矩形框比例。
?? ??? ?

實(shí)現(xiàn)細(xì)節(jié)：
如何處理重疊區(qū)域
這點(diǎn)和FCOS基本一致，就是在訓(xùn)練過(guò)程中將不同大小的GT按照一定的條件約束到不同的輸出層。因?yàn)榇蟛糠种丿B是大物體和小物體的重疊，所以就能比較好的將重疊局域區(qū)分開(kāi)。
?? ??? ??? ?
參考資料：
?? ??? ?機(jī)器之心：《最新Anchor-Free目標(biāo)檢測(cè)模型—FoveaBox》
?? ??? ?CSDN: 《論文學(xué)習(xí) FoveaBox: Beyond Anchor-based Object Detector》

總結(jié)

以上是生活随笔為你收集整理的FoveaBox 超越anchor based检测框架的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。