FCOS官方代码详解：从测试到训练

简介：
本文详细解析了FCOS（Fully Convolutional One-Stage Object Detection）官方代码，涵盖从测试模型到训练模型的全过程。 这是我整理的FCOS目标检测代码分享给大家，可以节省一些调试的时间。在FCOS的目标检测头部分，分类分支（cls）和边界框回归分支(bbox)与RetinaNet相似，只是去除了锚点A的数量，并且回归的对象不同。然而整个网络结构依然类似于RetinaNet。主要的区别在于计算流程上：RetinaNet将每个RPN网络的输出进行拼接(concatenate)，而FCOS则是每一层单独预测结果后将其合并(concatenate)起来，这可能是因为在FCOS中concatenate时需要处理额外的一个centerness分支的结果。接下来我会从测试代码和训练代码开始解析记录，并且省略了backbone以及FPN网络的细节部分，重点在于head的部分进行分析说明。