FCOS：一篇关于全卷积单阶段目标检测论文的演示文稿。

简介：
作者设计了一种全新的全卷积、单阶段目标检测网络，其核心在于每个像素直接预测一个目标，从而有效解决了目标检测的难题。与RetinaNet、SSD、YOLOV3、Faster RCNN等网络不同，FCOS无需借助anchor机制，也不需要预先定义候选区域。 这种设计避免了与anchor相关的繁琐计算，例如在训练阶段需要计算anchor与真实目标之间的Intersection over Union (IOU) 值。更为关键的是，FCOS消除了与anchor相关的各种超参数，如anchor的数量、比例和尺寸。 凭借着更为简洁的网络结构，FCOS能够显著提升检测精度。 在单尺度、单模型的情况下，该网络在COCO数据集上取得了44.7%的平均精度(AP)值。