DocumentAIKit/configs/fcos

FCOS (Fully Convolutional One-Stage Object Detection)

Model Zoo on COCO

骨架网络	网络类型	每张GPU图片个数	学习率策略	推理时间(fps)	Box AP	下载	配置文件
ResNet50-FPN	FCOS	2	1x	----	39.6	download	config
ResNet50-FPN	FCOS + iou	2	1x	----	40.0	download	config
ResNet50-FPN	FCOS + DCN	2	1x	----	44.3	download	config
ResNet50-FPN	FCOS + multiscale_train	2	2x	----	41.8	download	config
ResNet50-FPN	FCOS + multiscale_train + iou	2	2x	----	42.6	download	config

注意:

• + iou 表示与原版 FCOS 相比，不使用 centerness 而是使用 iou 来参与计算loss。
• 基于 FCOS 的半监督检测方法 DenseTeaher 可以参照DenseTeaher去使用，结合无标签数据可以进一步提升检测性能。
• PaddleDetection中默认使用R50-vb预训练，如果使用R50-vd结合SSLD的预训练模型，可进一步显著提升检测精度，同时backbone部分配置也需要做出相应更改，如： python pretrain_weights: https://paddledet.bj.bcebos.com/models/pretrained/ResNet50_vd_ssld_v2_pretrained.pdparams ResNet: depth: 50 variant: d norm_type: bn freeze_at: 0 return_idx: [1, 2, 3] num_stages: 4 lr_mult_list: [0.05, 0.05, 0.1, 0.15]

Citations

@inproceedings{tian2019fcos,
  title   =  {{FCOS}: Fully Convolutional One-Stage Object Detection},
  author  =  {Tian, Zhi and Shen, Chunhua and Chen, Hao and He, Tong},
  booktitle =  {Proc. Int. Conf. Computer Vision (ICCV)},
  year    =  {2019}
}