Skip to content

Latest commit

 

History

History
 
 

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:
  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}
}