1. Anchor-free检测器的崛起背景
在计算机视觉领域,目标检测技术经历了从传统方法到深度学习的演进过程。早期的检测器如R-CNN系列和YOLO都严重依赖预定义的anchor boxes,这些人工设计的先验框虽然带来了不错的检测效果,但也引入了不少问题。
传统anchor-based方法最明显的痛点在于需要精心设计anchor的尺寸、长宽比和数量。以Faster R-CNN为例,通常在特征图的每个位置设置9个不同尺度和比例的anchor,这不仅增加了计算负担,还带来了大量负样本。更麻烦的是,这些超参数对数据集非常敏感,换一个场景可能就需要重新调整。
2018年前后,研究者开始探索去除anchor的可能性。FCOS和CenterNet作为两种最具代表性的anchor-free方案,分别从不同角度解决了这个问题。FCOS采用了类似语义分割的逐像素预测思路,而CenterNet则创新性地将目标建模为单个中心点。这两种方法都在COCO等基准上取得了与anchor-based方法相当甚至更好的效果,同时大幅简化了检测流程。
提示:选择anchor-free方法时需要考虑任务特性。对于密集小目标场景,FCOS可能更合适;而对于中大型目标,CenterNet往往表现更优。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. FCOS的核心机制解析
2.1 全卷积单阶段检测架构
FCOS(全称Fully Convolutional One-Stage object detector)的最大特点是将目标检测任务转化为逐像素预测问题。与语义分割类似,网络直接在特征图的每个空间位置预测目标的存在及其边界框。
其网络结构主要包含三个关键组件:
- 主干网络:通常采用ResNet等标准CNN提取多层次特征
- 特征金字塔(FPN):融合不同尺度的特征以处理多尺度目标
- 预测头:对每个特征位置输出分类得分和回归偏移量
与anchor-based方法不同,FCOS不需要预先定义任何anchor boxes。对于特征图上的每个位置(x,y),只要它落在某个真实框内,就被视为正样本,需要预测:
- 类别概率
- 到边界框四边的距离(t, b, l, r)
- 可选的中心度(centerness)分数
2.2 正负样本分配策略
FCOS采用空间维度的分配方式
