FCOS_imprv_R_50_FPN_1x.pth

关于FCOS的一些改进（FCOS：完全卷积One-Stage对象检测）

与 （CVPRW'19）高效骨干网 这个软件库包含 （ICCV'19）与 （CVPRW'19）高效的骨干网络。 该代码基于FCOS的 强调 高效记忆 更好的性能，特别是对于小物体 速度更快 与ResNet主干网比较 相同的超参数 相同的训练方案（最大纪元，学习率时间表等） 8个TITAN Xp GPU pytorch1.1 CUDA v9 cuDNN v7.2 骨干 多尺度培训 推断时间（毫秒） 箱式AP（AP / AP / APm / APl） 下载 R-50-FPN-1x 不 84 37.5 / 21.3 / 40.3 / 49.5 -- V-39 -FPN-1x 不 82 37.7 / 22.4 /41.8/48.4 R-101-FPN-2x 是的 104 41.3 / 25.0 / 45.5 / 53.0 -- V-57 -FPN-2x 是的

基于megengine的FCOS的目标检测模型，主干网络ResNet101

基于megengine的FCOS的目标检测模型，主干网络ResNext101

基于megengine的FCOS的目标检测模型，主干网络ResNet18

基于megengine的FCOS的目标检测模型，主干网络ResNet34

基于megengine的FCOS的目标检测模型，主干网络ResNet34

FCOS3D是基于anchor-free网络FCOS演变而来，作者采用FCOS检测器作为baseline的目的是考虑到FCOS在处理遮挡和尺度变化问题上具有优势，从网络结构对比来看，FCOS3D的backbone和neck部分沿用FCOS的结构，检测头head部分因regression targets不同有所差异。

FCOS: Fully Convolutional One-Stage Object Detection