近期在调研目标检测的研究现状，包括two-stage和one-stage，以及anchor-based和anchor-free。
把用到的一些链接记录一下 ，方便查阅。
机器之心的一篇文章：
这篇文章介绍了目标检测方法从anchor-based到anchor-free的发展，并指出anchor-free将会是比较有前景的研究方向。文章是以一篇综述为基础展开介绍的。Recent Advances in Deep Learning for Object Detection这篇综述是2019年的论文。
Faster-RCNN
YOLOv3
FCOS：Fully Convolutional One-Stage Object Detection
这是比较新的一篇anchor-free的one-stage目标检测方法，整体结构图如下图所示。首先是用FPN来抽取不同multi-level的特征。然后在feature map的每个点上回归，训练bounding box和class。训练阶段还单独训练了center-ness分支，以计算center-ness，使得离中心较远的bounding box有较低的置信度。test阶段即抽取特征，然后给出bounding box和label，confidence是由center-ness和classification的置信度相乘得出的。
1.FCOS回归目标和Loss
把每张feature map的每个坐标都可以映射回原输入图像。如果某个feature map的坐标落在某个ground truth的框内，那么这就是一个正样本，可以拿来做训练。首先做个映射，计算feature map中的这个点，到ground truth的距离。如下图所示，这就是训练阶段的回归目标。
从这里我们可以看到，由于采用了FPN和逐像素匹配，FCOS可以尽可能多地利用ground truth，而且所有送入训练的样本都是正样本。这与anchor-based检测器不同，anchor-based detectors仅考虑IOU较高的作为正样本，作者认为这可能是FCOS表现高于一些anchor-based检测器的原因之一。
在网络输出阶段，FCOS是直接将分类和回归分支接到FPN和4个conv后面，没有anchor的生成过程和修正过程，因此减少了参数量和计算量。
损失函数如下所示。前半部分是分类的focal loss（这篇文章都是在和RetinaNet做对比，很多参数设置和它一样），后半部分是IOU loss。
2.multi-level prediction with FPN
在FCOS中使用FPN主要是考虑了目标重叠的问题，而且用不同level的特征检测不同大小的目标，能很大程度上提高精度。在不同的feature map中，都去找合适的
（这部分存疑）文中提到的head是涉及RetinaNet的，看完RetinaNet再理解这篇应该会容易多。
3.center-ness
center-ness是由于，检测出的许多低质量的bounding box都是由于边框离中心太远了。所以提出center-ness可以将这部分的bounding box的confidence降低（center-ness越小说明边框离中心点越远）。这个公式是在训练过程中计算的，如果在test阶段就直接从该branch得到计算后的center-ness，然后直接与label的置信度相乘，得到最终的置信度。
4.实验及结果
作者做了很多很多对比实验，来说明FPN，center-ness等组件的作用，而且绝大多数超参数都是直接用的RetinaNet的。而且效果也被证明挺不错。
RetinaNet
RetinaNet: Focal loss在目标检测中的应用
这篇文章是2018年Kaiming的提出focal loss的文章，是为了解决类别不平衡的问题。
FPN:Feature Pyramid Networks
FPN网络的结构并不复杂，包括bottom-up pathway和top-down pathway、lateral connections。通过横向连接，使得FPN在后面的预测阶段能够结合了之前的特征抽取阶段的特征。
在resnet等网络中，后面的高层语义同样也与前面的底层特征相连接。既然抽取特征的阶段也是一层一层抽取的，为什么不直接在每层顺便做预测或者后续的检测等任务呢？下面这篇文章的一句话给出了解释。因为在抽取特征阶段，不同层对应的是不同层次的语义信息。如果直接做预测，这就强行让不同层学习同样的语义信息了，效果可能不是很好。
在FPN原文中，作者把FPN分别应用在RPN和fast RCNN两步，都取得了不错的效果。
R-FCN
https://blog.csdn.net/wfei101/article/details/79284512
听名字就知道，这个full conv network为基础的检测网络，没有全连接层。如下图所示，在backbone提取的feature maps上，用k^2(C+1)个卷积核，得到一个score maps。然后利用FPN找到ROI，做ROI pooling。这种方法不像faster rcnn，需要对每个ROI分别再单独计算。
