FoveaBox如何体现与DenseBox FPN在锚框细节上的不同之处？

本文共计1042个文字，预计阅读时间需要5分钟。

FoveaBox作为与FCOS和FSAF同期发表的Anchor-free论文，在整体结构上基于DenseBox结合FPN的策略。主要差异在于FoveaBox仅使用目标中心区域进行预测和回归，回归的是归一化后的偏移值。

作为与FCOS和FSAF同期的Anchor-free论文，FoveaBox在整体结构上也是基于DenseBox加FPN的策略，主要差别在于FoveaBox只使用目标中心区域进行预测且回归预测的是归一化后的偏移值，还有根据目标尺寸选择FPN的多层进行训练，大家可以学习下
 
来源：晓飞的算法工程笔记 公众号

论文: FoveaBox: Beyound Anchor-Based Object Detection

• 论文地址：arxiv.org/abs/1904.03797
• 论文代码：github.com/taokong/FoveaBox

Introduction

---

  论文认为anchor的使用不一定是最优的搜索目标的方式，且受人眼视网膜中央凹(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目标检测方法FoveaBox。

  FoveaBox联合预测每个有效位置为目标中心的可能性及其对应目标的尺寸，输出类别置信度以及用以转化目标区域的尺寸信息。