作为与 FCOS 和 FSAF 同期的 Anchor-free 论文，FoveaBox 在整体构造上也是基于 DenseBox 加 FPN 的策略，次要差异在于 FoveaBox 只应用指标核心区域进行预测且回归预测的是归一化后的偏移值，还有依据指标尺寸抉择 FPN 的多层进行训练，大家能够学习下
起源：晓飞的算法工程笔记 公众号
论文: FoveaBox: Beyound Anchor-Based Object Detection
- 论文地址：https://arxiv.org/abs/1904.03797
- 论文代码：https://github.com/taokong/FoveaBox
Introduction
论文认为 anchor 的应用不肯定是最优的搜寻指标的形式，且受人眼视网膜地方凹 (fovea) 的启发：视觉区域的中部有最高的视觉敏锐度，所以提出了 anchor-free 指标检测办法 FoveaBox。
FoveaBox 联结预测每个无效地位为指标核心的可能性及其对应指标的尺寸，输入类别置信度以及用以转化指标区域的尺寸信息。如果大家看过很多 Anchor-free 的检测计划，可能感觉论文的实现计划很常见，确实，其实这篇文章也是 Anchor-free 井喷初期的作品，整体思路很纯正，也是很多大佬都想到的思路，在浏览时须要关注以下细节：
- 以指标的核心区域进行分类预测与回归预测
- 将回归预测的是归一化后的偏移值
- 训练时可指定 FPN 多层同时训练
- 提出特色对齐模块，应用回归的输入来调整分类的输出特色
FoveaBox
Object Occurrence Possibility
给定 GT 指标框 $(x_1, y_1, x_2, y_2)$，将其映射到特色金字塔层 $P_l$：
$s_l$ 为特色层绝对于输出的 stride，正样本区域 $R^{pos}$ 为大抵为映射框的放大版本：
$\sigma$ 为人为设定缩放因子。在训练阶段，正样本区域内的特色点标记为对应的指标类别，其余的区域为负样本区域，特色金字塔每层的输入为 $C\times H\times W$，$C$ 为类别总数。
Scale Assignment
网络的指标是预测指标的边界，间接预测是不稳固的，因为指标尺寸的跨度很大。为此，论文将指标尺寸归为多个区间，对应特色金字塔各层，各层负责特定尺寸范畴的预测。给予特色金字塔 $P_3$ 到 $P_7$ 根底尺寸 $r_l=2^{l+2}$，则层 $l$ 负责的指标尺寸范畴为：
$\eta$ 为人工设置的参数，用于管制特色金字塔每层的回归尺寸范畴，不在该层尺寸范畴内的训练指标则疏忽。指标可能落到多个层的尺寸范畴内，这时应用多层进行训练，多层训练有以下益处：
- 邻接的特色金字塔层通常有相似的语义信息，可同时进行优化。
- 大幅减少每层的训练样本数，使得训练过程更稳固。
Box Prediction
在预测指标尺寸时，FoveaBox 间接计算正样本区域 $(x,y)$ 到指标边界的归一化的偏移值：
公式 4 先将特色金字塔层的像素映射回输出图片，再进行偏移值的计算，训练采纳 L1 损失函数。
Network Architecture
网络结构如图 4 所示，骨干网络采纳特色金字塔的模式，每层接一个预测 Head，蕴含分类分支和回归分支。论文采纳较简略的 Head 构造，应用更简单的 Head 能够取得更好的性能。
Feature Alignment
论文提出了特色对齐的 trick，次要是对预测 Head 进行革新，构造如图 7 所示，
Experiment
与 SOTA 办法进行比照。
Conclusion
作为与 FCOS 和 FSAF 同期的 Anchor-free 论文，FoveaBox 在整体构造上也是基于 DenseBox 加 FPN 的策略，次要差异在于 FoveaBox 只应用指标核心区域进行预测且回归预测的是归一化后的偏移值，还有依据指标尺寸抉择 FPN 的多层进行训练。因为 FoveaBox 的整体实现计划太纯正了，与其它 Anchor-free 办法很像，所以始终投稿到当初才中了，作者也是相当不容易。
如果本文对你有帮忙，麻烦点个赞或在看呗～
更多内容请关注 微信公众号【晓飞的算法工程笔记】